Skip to content

jxq0816/algorithm-model

Folders and files

NameName
Last commit message
Last commit date

Latest commit

 

History

98 Commits
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 

Repository files navigation

理论基础

数据科学

https://blog.csdn.net/jxq0816/article/details/82823331

机器学习到底是什么,如何使用这项技术?

https://blog.csdn.net/jxq0816/article/details/104686215

机器学习理论基础 | 最大似然函数

https://xingqijiang.blog.csdn.net/article/details/118446723

机器学习理论基础 | 极大似然估计

https://blog.csdn.net/jxq0816/article/details/118446858

机器学习理论基础 | 偏差、方差、噪声

https://xingqijiang.blog.csdn.net/article/details/84186711

机器学习理论基础|线性代数中的向量内积和外积概念及几何意义

https://blog.csdn.net/jxq0816/article/details/105381759

L0、L1、L2范数在机器学习中的应用

https://xingqijiang.blog.csdn.net/article/details/106872508

什么是激活函数?

https://xingqijiang.blog.csdn.net/article/details/119038892

信息与信息熵的前世今生

https://blog.csdn.net/jxq0816/article/details/102571665

熵 条件熵 信息增益

https://blog.csdn.net/jxq0816/article/details/84110374

机器学习 | 交叉熵公式

https://xingqijiang.blog.csdn.net/article/details/116608099

交叉熵和对数损失函数之间的关系

https://xingqijiang.blog.csdn.net/article/details/118712665

机器学习 | 梯度下降种类及对比

https://xingqijiang.blog.csdn.net/article/details/116357810

scikit-learn 中 OneHotEncoder 解析

https://xingqijiang.blog.csdn.net/article/details/117845010

如何区分精确率(precision)、准确率(accuracy)和召回率(recall)

https://blog.csdn.net/jxq0816/article/details/81504410

机器学习 | 交叉验证

https://xingqijiang.blog.csdn.net/article/details/84107657

AUC和ROC曲线的前世今生

https://xingqijiang.blog.csdn.net/article/details/100045260

特征工程

机器学习 | 特征工程综述

https://xingqijiang.blog.csdn.net/article/details/116719135

机器学习 | 特征选择(Feature Selection)

https://blog.csdn.net/jxq0816/article/details/118248647

机器学习 | 特征工程(数据预处理、特征抽取)

https://xingqijiang.blog.csdn.net/article/details/118261663

算法模型

算法与统计学习

https://xingqijiang.blog.csdn.net/article/details/84108965

机器学习十大算法

https://xingqijiang.blog.csdn.net/article/details/82426626

如何简单理解贝叶斯决策理论(Bayes Decision Theory)

https://xingqijiang.blog.csdn.net/article/details/119269535

逻辑回归

机器学习 | LR逻辑回归模型

https://xingqijiang.blog.csdn.net/article/details/81607994

LR 特征离散化

https://xingqijiang.blog.csdn.net/article/details/81607994

机器学习 | LR的推导,损失函数

https://blog.csdn.net/jxq0816/article/details/116642373

机器学习 | Logistic Regression(逻辑回归)中的损失函数

https://xingqijiang.blog.csdn.net/article/details/116381979

机器学习 | LR公式

https://xingqijiang.blog.csdn.net/article/details/116607998

漫画:逻辑回归

https://xingqijiang.blog.csdn.net/article/details/103806709

机器学习 | 逻辑回归如何实现多分类

https://xingqijiang.blog.csdn.net/article/details/116642184

CART

机器学习 | 决策树模型

https://xingqijiang.blog.csdn.net/article/details/82829502

机器学习 | 决策树 (sklearn) 官方文档

https://xingqijiang.blog.csdn.net/article/details/116900670

机器学习 | 决策树ID3算法

https://xingqijiang.blog.csdn.net/article/details/116371468

机器学习 | GBDT算法原理

gbdt 是通过采用加法模型(即基函数的线性组合),以及不断减小训练过程产生的残差来达到将数据分类或者回归的算法。

https://xingqijiang.blog.csdn.net/article/details/116377065

机器学习算法中 GBDT 和 XGBOOST 的区别有哪些?

https://xingqijiang.blog.csdn.net/article/details/116592563

XGBoost简述

https://xingqijiang.blog.csdn.net/article/details/99656059

XGBoost算法原理小结

https://xingqijiang.blog.csdn.net/article/details/103429961

XGBoost类库使用小结

https://xingqijiang.blog.csdn.net/article/details/103402351

聚类

机器学习 | KNN邻近算法

https://xingqijiang.blog.csdn.net/article/details/105046910

机器学习 | k-means算法

https://xingqijiang.blog.csdn.net/article/details/79561201

常见的几种聚类算法

https://xingqijiang.blog.csdn.net/article/details/116206080

其它

机器学习 | Softmax回归模型

https://xingqijiang.blog.csdn.net/article/details/79436841

机器学习 | 牛顿冷却定律

https://xingqijiang.blog.csdn.net/article/details/107414354

机器学习 | PCA主成分分析

https://xingqijiang.blog.csdn.net/article/details/115587845

支持向量机SVM模型

https://xingqijiang.blog.csdn.net/article/details/82829444

集成学习原理小结

https://blog.csdn.net/jxq0816/article/details/120674315

机器学习 | 集成学习

https://xingqijiang.blog.csdn.net/article/details/113828435

About

No description, website, or topics provided.

Resources

Stars

Watchers

Forks

Releases

No releases published

Packages

 
 
 

Contributors

Languages