Machine Learning A Probabilistic Perspective 1.Introduction
目录 1 有监督学习 1.1 分类问题 1.2 回归问题 2 无监督学习 2.1 发现类别 2.2 发现隐含因子 3 机器学习中的基本概念 3.1 参数和非参数模型 3.2 维度灾难 3.3 线性回归和logistics回归 3.4 过拟合 3.5 模型的选择 3.6 定理 机器学习主要分为有监督学习和无监督学习。 1 有监督学习 有监督学习可以大致分为两类问题：分类和预测。 1.1 分类问题 对
相关文章
- 1. Machine Learning A probabilistic perspective————第三章自学笔记
- 2. Machine Learning A probabilistic perspective————第二章自学笔记
- 3. Machine Learning A probabilistic perspective————第五章自学笔记
- 4. Machine Learning A probabilistic perspective————第一章自学笔记
- 5. Machine Learning A probabilistic perspective————第七章自学笔记
- 6. 1.Introduction of Machine Learning
- 7. Learning Machine Learning, Part 1: An Introduction
- 8. Machine Learning Andrew Ng -1. Introduction
- 9. 【资源】Machine Learning A Bayesian_and Optimization Perspective(MLBOP)
- 10. Introduction to Machine Learning
- 更多相关文章...
- • Docker Machine - Docker教程
- • PHP pack() 函数 - PHP参考手册
- • Java Agent入门实战（一）-Instrumentation介绍与使用
- • Java Agent入门实战（三）-JVM Attach原理与使用
相关标签/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
欢迎关注本站公众号,获取更多信息
相关文章
- 1. Machine Learning A probabilistic perspective————第三章自学笔记
- 2. Machine Learning A probabilistic perspective————第二章自学笔记
- 3. Machine Learning A probabilistic perspective————第五章自学笔记
- 4. Machine Learning A probabilistic perspective————第一章自学笔记
- 5. Machine Learning A probabilistic perspective————第七章自学笔记
- 6. 1.Introduction of Machine Learning
- 7. Learning Machine Learning, Part 1: An Introduction
- 8. Machine Learning Andrew Ng -1. Introduction
- 9. 【资源】Machine Learning A Bayesian_and Optimization Perspective(MLBOP)
- 10. Introduction to Machine Learning