0 写在前面

机器学习强基计划聚焦深度和广度，加深对机器学习模型的理解与应用。“深”在详细推导算法模型背后的数学原理；“广”在分析多个机器学习模型：决策树、支持向量机、贝叶斯与马尔科夫决策、强化学习等。强基计划实现从理论到实践的全面覆盖，由本人亲自从底层编写、测试与文章配套的各个经典算法，不依赖于现有库，可以大大加深对算法的理解。

机器学习强基计划7-5：图文详解密度聚类DBSCAN算法(附Python实现)相关推荐

机器学习强基计划8-4：流形学习等度量映射Isomap算法(附Python实现)
目录 0 写在前面 1 什么是流形? 2 什么是流形学习? 3 等度量映射原理 4 Python实现 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用."深&qu ...
机器学习强基计划6-1：图文详细总结马尔科夫链及其性质(附例题分析)
目录 0 写在前面 1 从一个实例出发 2 马尔科夫链 3 马氏链的基本性质 4 C-K方程 5 平稳状态分布 6 遍历性与例题分析 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的 ...
机器学习强基计划3-4：详解核方法——以核支持向量机KSVM为例
目录 0 写在前面 1 为什么需要核方法? 2 常用核函数总结 3 KSVM的python实现 3.1 设计核函数 3.2 KSVM与SVM的对比 0 写在前面机器学习强基计划聚焦深度和广度,加深对 ...
机器学习强基计划2-2：一文详解ID3、C4.5、CART决策树算法+ Python实现
目录 0 写在前面 1 什么是决策树? 2 决策树算法框架 3 常见决策树算法 3.1 ID3算法 3.2 C4.5算法 3.3 CART算法 4 Python实现三种决策树算法 4.1 数据集 4. ...
机器学习强基计划4-5：详解半朴素贝叶斯分类TAN原理(附Python实现)
目录 0 写在前面 1 条件互信息 2 最大带权生成树 3 TAN算法原理 4 Python实现 4.1 计算条件互信息 4.2 构造属性最大生成树 4.3 属性依赖关系可视化 4.4 预测 0 写在 ...
机器学习强基计划4-2：通俗理解极大似然估计和极大后验估计+实例分析
目录 0 写在前面 1 从一个例子出发 2 极大似然估计 3 极大后验估计 4 Python实现 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用."深" ...
机器学习强基计划6-2：详细推导马尔科夫随机场(MRF)及其应用(附例题)
目录 0 写在前面 1 无向概率图 2 马尔科夫随机场 3 马尔科夫独立性 4 例题分析 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用."深"在详细 ...
机器学习强基计划0-4：通俗理解奥卡姆剃刀与没有免费午餐定理
目录 0 写在前面 1 奥卡姆剃刀原则 2 天下没有免费的午餐 3 丑小鸭定理 0 写在前面机器学习强基计划聚焦深度和广度,加深对机器学习模型的理解与应用."深"在详细推导算法模 ...
机器学习强基计划0-6：盘点最常见的7种数据预处理方法和原理
目录 0 写在前面 1 数据规范化 1.1 最值归一化 1.2 Z-Score规范化 2 类别平衡化 2.1 阈值移动 2.2 欠采样法(undersampling) 2.3 过采样法(oversam ...

机器学习强基计划7-5：图文详解密度聚类DBSCAN算法(附Python实现)

目录

0 写在前面

机器学习强基计划7-5：图文详解密度聚类DBSCAN算法(附Python实现)相关推荐

最新文章

热门文章