/ml
机器学习
深度学习
sklearn算法原理
BP神经网络
RBF神经网络
评分卡
免费
知识仓库
|
开通VIP
关于我们
关闭
用户登录
忘记密码?
注册
登录
目录
>
机器学习
>
part2-机器学习进阶
机器学习-进阶-学前解说
1.1.学前解说
【前言】机器学习进阶-学前解说
各种模型
2.1.线性模型
【模型】线性回归模型-原理解说
【模型】岭回归 Ridge-原理解说
【模型】套索回归模型-原理解说
【总结】线性模型学习-内容总结
2.2.逻辑回归
【模型】逻辑回归模型-基本介绍
【原理】逻辑回归模型-意义解说
2.3.决策树
【模型】Cart决策树-模型的介绍
【模型】Cart决策树-模型的构建
【模型】Cart决策树-模型的剪枝
【布署】Cart决策树-模型的布署
2.4.集成算法
【算法】Bagging-集成算法原理
【模型】随机森林模型-原理解说
【模型】AdaBoost-提升树-原理
【模型】GBDT-梯度提升树-原理
2.5.其它模型
【模型】感知机分类-模型的原理
【模型】朴素贝叶斯-模型的原理
【模型】SVM支持向量机模型-上
【模型】SVM支持向量机模型-中
【模型】SVM支持向量机模型-下
聚类与降维
3.1.聚类算法
【算法】层次聚类算法-算法介绍
【算法】k-means聚类-算法介绍
【算法】DBSCAN聚类-算法介绍
3.2.降维算法
【算法】主成分分析法(PCA)原理
【算法】线性判别分析(LDA)原理
【算法】FiSher-LDA-算法的介绍
【模型】因子分析模型-原理介绍
训练算法
4.1.优化算法
【算法】梯度下降优化算法-原理
【算法】随机梯度下降算法-原理
【算法】动量梯度下降算法-原理
【算法】牛顿二次优化算法-原理
【算法】坐标轴下降优化法-原理
建模技巧
5.1.预防过拟合
【介绍】说说过拟合是什么-回顾
【介绍】预防过拟合的方法-介绍
【方法】正则化以及正则项-介绍
5.2.建模技巧
【方法】K-Fold交叉验证法-介绍
【方法】逐步回归建模方法-介绍
机器学习进阶-总结
6.1.总结
【总结】机器学习进阶-内容总结
【总结】机器学习进阶-结束祝语
老饼讲解:一步一步上手学习
【模型】SVM支持向量机模型-中
作者 : 老饼
发表日期 : 2026-01-25 15:55:23
更新日期 : 2026-05-21 14:07:00
老饼讲解-简单易懂,干货满满,爽过嗦螺!
会员文章
请
登录
后查看
上一篇:
【模型】SVM支持向量机模型-上
下一篇:
【模型】SVM支持向量机模型-下
评论
添加评论
发表
教程
part1-机器学习入门
part2-机器学习进阶