Machina learning(机器学习)
机器学习方法概论
第一章:回归分析
01:线性回归基本介绍
02:线性回归算法模型
03:正则化方法,防止过拟合
04:线性回归正则化
05:评价回归线拟合程度的好坏
06:训练集、测试集、交叉验证
07:Python库实现K-Fold Corss Vavlidation
08:Sklearn库实现线性回归
*附:资源文件下载
第二章:逻辑回归
01:逻辑回归概念
02:逻辑回归求解
03:梯度下降详解
*附:L1和L2正则化专题
01:正则化能够降低过拟合:经验函数
02:L1和L2 regularization:公式推导
03:机器学习中L0、L1与L2范数(一)
04:机器学习中L0、L1与L2范数(二)
05:正则化避免过拟合示例
06:机器学习中正则化项L1和L2的直观理解
*附:梯度下降专题
01:梯度下降总结
02:手绘梯度下降
*附:大牛级人物传记序列
01:当今世界最NB的25位大数据科学家
*附:机器学习杂谈
01:机器学习派别之分
*附:数据集
01:机器学习数据集之一
02:机器学习数据集之二
Powered by
GitBook
01:梯度下降总结
results matching "
"
No results matching "
"