资源简介
机器学习算法详解▪ 一、线性回归
◦ 1、代价函数
◦ 2、梯度下降算法
◦ 3、均值归一化
◦ 4、最终运行结果
◦ 5、使用scikit-learn库中的线性模型实现
▪ 二、逻辑回归
◦ 1、代价函数
◦ 2、梯度
◦ 3、正则化
◦ 4、S型函数(即)
◦ 5、映射为多项式
◦ 6、使用的优化方法
◦ 7、运行结果
◦ 8、使用scikit-learn库中的逻辑回归模型实现
▪ 逻辑回归_手写数字识别_OneVsAll
◦ 1、随机显示100个数字
◦ 2、OneVsAll
◦ 3、手写数字识别
◦ 4、预测
◦ 5、运行结果
◦ 6、使用scikit-learn库中的逻辑回归模型实现
▪ 三、BP神经网络
◦ 1、神经网络model
◦ 2、代价函数
◦ 3、正则化
◦ 4、反向传播BP
◦ 5、BP可以求梯度的原因
◦ 6、梯度检查
◦ 7、权重的随机初始化
◦ 8、预测
◦ 9、输出结果
▪ 四、SVM支持向量机
◦ 1、代价函数
◦ 2、Large Margin
◦ 3、SVM Kernel(核函数)
◦ 4、使用中的模型代码
◦ 5、运行结果
▪ 五、K-Means聚类算法
◦ 1、聚类过程
◦ 2、目标函数
◦ 3、聚类中心的选择
◦ 4、聚类个数K的选择
◦ 5、应用——图片压缩
◦ 6、使用scikit-learn库中的线性模型实现聚类
◦ 7、运行结果
▪ 六、PCA主成分分析(降维)
◦ 1、用处
◦ 2、2D-->1D,nD-->kD
◦ 3、主成分分析PCA与线性回归的区别
◦ 4、PCA降维过程
◦ 5、数据恢复
◦ 6、主成分个数的选择(即要降的维度)
◦ 7、使用建议
◦ 8、运行结果
◦ 9、使用scikit-learn库中的PCA实现降维
▪ 七、异常检测 Anomaly Detection
◦ 1、高斯分布(正态分布)
◦ 2、异常检测算法
◦ 3、评价的好坏,以及的选取
◦ 4、选择使用什么样的feature(单元高斯分布)
◦ 5、多元高斯分布
◦ 6、单元和多元高斯分布特点
◦ 7、程序运行结果
代码片段和文件信息
相关资源
- SVR算法程序可运行
- 计算机图形学 边填充算法实现代码
- 福建师范大学历年算法考卷
- 栈的实现及应用,六种基本算法
- Bresenham算法绘制线段并利用“橡皮筋
- 介绍几种压缩算法及《笨笨数据压缩
- 改进的BP神经网络算法
- A星算法_原理讲解_例子
- 云模型的相关算法cloud
- 旋转矩阵求欧拉角的简单算法
- 栅栏填充算法源码(VC)
- RSA算法源码
- 关联分析Apriori算法实现
- [免费]relax算法成像
- 操作系统 LRU算法 实验报告 及 程序代
- 分治法快速排序算法QuickSort C
- 现代谱估计算法 music ESPRIT 谐波分解
- MUSIC算法c 实现
- 007出纳管理系统 v7[1].5.94 算法注册机
- 克鲁斯卡尔算法C和C 实现代码
- capon波束形成算法-VC实现
- QGA 量子遗传算法
- 利用OpenGL写毛笔字算法
- 带头结点的单链表的c算法实现
- 自适应隐写算法wow
- 协同过滤算法源码
- RSA AES DES ECC加密算法源码
- 密码学课程设计:DES加密解密算法的
- 北航人工智能原理课大作业源代码,
- A*算法的2D演示(带源码)
评论
共有 条评论