人生苦短，多思考，少编程
搜索
人生苦短，多思考，少编程
统计机器学习笔记

一：线性回归 (Linear Regression)

三：朴素贝叶斯 (Naive Bayes)

二：决策树 (Decision Trees)

五：集成方法 (Ensemble Methods)

六：模型评估 (Model Evaluation Metrics)

四：支持向量机 (Support Vector Machine)

机器学习练习项目

一：朴素贝叶斯垃圾邮件分类

pandas

七：独热编码 (One-Hot Encoding)

数据结构与算法

一：链表(linken lists)

机器学习

十一：高斯混合（GMM）和最大期望（EM）

八：K-平均算法 (K-Means)

十：密度聚类（Density Based Clustering）

九：层次聚类（Hierarchical clustering）

无监督学习

十一：高斯混合（GMM）和最大期望（EM）

八：K-平均算法 (K-Means)

十：密度聚类（Density Based Clustering）

九：层次聚类（Hierarchical clustering）

聚类

十一：高斯混合（GMM）和最大期望（EM）

八：K-平均算法 (K-Means)

十：密度聚类（Density Based Clustering）

九：层次聚类（Hierarchical clustering）

数据可视化

一：数据可视化（Data Visualization）简介

二：设计数据可视化

三：单变量数据探索

深度学习笔记

二：Sigmoid 函数

五：逻辑回归（Logistic Regression）

三：Softmax 函数

八：模型训练（Training）

六：梯度下降（Gradient Descent）

一：感知器 (Perceptrons)

四：最大似然（Maximum Likelihood）

七：反向传播（Backpropagation）