• b1_585546
    了解作者
  • 18.3MB
    文件大小
  • zip
    文件格式
  • 0
    收藏次数
  • VIP专享
    资源类型
  • 0
    下载次数
  • 2022-06-06 04:40
    上传日期
myLearn make:生成可执行文件 demo.sh:调试入口 model.conf:模型参数 从线性到非线性模型 1、线性回归,岭回归,Lasso回归,局部加权线性回归 2、logistic回归,softmax回归,最大熵模型 3、广义线性模型 4、Fisher线性判别和线性感知机 5、三层神经网络 6、支持向量机 统计概率模型 1、高斯判别分析 2、朴素贝叶斯 3、隐马尔可夫模型 4、最大熵马尔科夫模型 5,条件随机场 6,马尔科夫决策过程 树模型 1、决策树 ID3,C4.5,CART 2、随机森林RF 3、Adaboost 4、GBDT 5、XGboost 6、孤立森林(异常检测) 聚类模型 1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类 特征工程 1、特征工程 2、特征提取 3、特
myLearn-master.zip
内容介绍
# myLearn **make:生成可执行文件** **demo.sh:调试入口** **model.conf:模型参数** ----------------------------------------------------------------------------------- **从线性到非线性模型** 1、线性回归,岭回归,Lasso回归,局部加权线性回归 2、logistic回归,softmax回归,最大熵模型 3、广义线性模型 4、Fisher线性判别和线性感知机 5、三层神经网络 6、支持向量机 **统计概率模型** 1、高斯判别分析 2、朴素贝叶斯 3、隐马尔可夫模型 4、最大熵马尔科夫模型 5,条件随机场 6,马尔科夫决策过程 **树模型** 1、决策树 ID3,C4.5,CART 2、随机森林RF 3、Adaboost 4、GBDT 5、XGboost 6、孤立森林(异常检测) **聚类模型** 1、层次聚类 2、原型聚类-K-means 3、模型聚类-GMM 4、EM算法-LDA主题模型 5、密度聚类-DBSCAN 6、图聚类-谱聚类 **特征工程** 1、特征工程 2、特征提取 3、特征选择 **学习理论** 1、基本概念 2、PAC理论 3、VC维 4、极大似然,最大后验概率,贝叶斯估计 5、模型选择与评价评价 6、模型诊断调参 **深度学习** . . **哈希学习** . . **自然语言处理** . . **搜索推荐** . .
评论
    相关推荐