机器学习知识点学习
2016-05-09 16:10
260 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
- 用Python从零实现贝叶斯分类器的机器学习的教程
- My Machine Learning
- 机器学习---学习首页 3ff0
- Spark机器学习(一) -- Machine Learning Library (MLlib)
- 反向传播(Backpropagation)算法的数学原理
- 关于SVM的那点破事
- 也谈 机器学习到底有没有用 ?
- TensorFlow人工智能引擎入门教程之九 RNN/LSTM循环神经网络长短期记忆网络使用
- TensorFlow人工智能引擎入门教程之十 最强网络 RSNN深度残差网络 平均准确率96-99%
- TensorFlow人工智能引擎入门教程所有目录
- 如何用70行代码实现深度神经网络算法
- 量子计算机编程原理简介 和 机器学习
- 近200篇机器学习&深度学习资料分享(含各种文档,视频,源码等)
- 已经证实提高机器学习模型准确率的八大方法
- 初识机器学习算法有哪些?
- 机器学习相关的库和工具
- 10个关于人工智能和机器学习的有趣开源项目
- 机器学习实践中应避免的7种常见错误
- 机器学习常见的算法面试题总结
- 机器学习书单