机器学习知识点学习(转)
2014-01-10 00:31
253 查看
在学习机器学习的有关知识时,搜索到JerryLead的cnblog中的Machine Learning专栏,里面对于机器学习的部分算法和知识点讲解地很经典和透彻。所以Mark在这,多多学习!
http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/
偏最小二乘法回归(Partial Least Squares Regression)
典型关联分析(Canonical Correlation Analysis)
增强学习(Reinforcement Learning and Control)
因子分析(Factor Analysis)
线性判别分析(Linear Discriminant Analysis)(二)
线性判别分析(Linear Discriminant Analysis)(一)
ICA扩展描述
独立成分分析(Independent Component Analysis)
主成分分析(Principal components analysis)-最小平方误差解释
主成分分析(Principal components analysis)-最大方差解释
在线学习(Online Learning)
(EM算法)The EM Algorithm
混合高斯模型(Mixtures of Gaussians)和EM算法
K-means聚类算法
规则化和模型选择(Regularization and model selection)
支持向量机(五)SMO算法
支持向量机(四)
支持向量机(三)核函数
支持向量机SVM(二)
支持向量机SVM(一)
判别模型、生成模型与朴素贝叶斯方法
对线性回归,logistic回归和一般回归的认识
http://www.cnblogs.com/jerrylead/tag/Machine%20Learning/
偏最小二乘法回归(Partial Least Squares Regression)
典型关联分析(Canonical Correlation Analysis)
增强学习(Reinforcement Learning and Control)
因子分析(Factor Analysis)
线性判别分析(Linear Discriminant Analysis)(二)
线性判别分析(Linear Discriminant Analysis)(一)
ICA扩展描述
独立成分分析(Independent Component Analysis)
主成分分析(Principal components analysis)-最小平方误差解释
主成分分析(Principal components analysis)-最大方差解释
在线学习(Online Learning)
(EM算法)The EM Algorithm
混合高斯模型(Mixtures of Gaussians)和EM算法
K-means聚类算法
规则化和模型选择(Regularization and model selection)
支持向量机(五)SMO算法
支持向量机(四)
支持向量机(三)核函数
支持向量机SVM(二)
支持向量机SVM(一)
判别模型、生成模型与朴素贝叶斯方法
对线性回归,logistic回归和一般回归的认识
相关文章推荐
- linux下vim插件管理 vundle
- 【原创】backbone1.1.0源码解析之Collection
- 优秀的开发人员和测试人员应有的态度
- int indexs=(int)(_v+0.5);
- 真的不只是为了把妹约炮:混好圈子的秘诀
- POJ 3106 Flip and Turn 模拟 分析
- POJ 3106 Flip and Turn 模拟 分析
- UVA 10635 Prince and Princess DP LIS
- UVA 10635 Prince and Princess DP LIS
- 视频小知道
- JAVA中使用JSON进行数据传递
- 动态添加列
- jquery mobile radio,checkbox button 样式设置
- Android - 如何将两个/多个应用放到一个进程中去?
- ActionBar
- 员工请假管理系统(MFC+ACCESS数据库+ODBC数据源)
- ubuntu12.04安装cuda
- PL/SQL的数据类型
- 交互设计:从详情页返回列表页,应该是回到顶端还是回到原地?
- 使用SQL语句清空数据库所有表的数据