摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 多元线性回归(波士顿房价预测) 一、导入模块 二、获取数据 三、训练模型 四、可视化 五、均方误差测试 训练集的均方误差是19.4，而测试集的均方误差 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(6242)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html k近邻算法 k近邻算法(k nearest neighbors,KNN)是一种基本的分类和回归方法，本文只探讨分类问题中的k近邻算法，回归问题通常是得 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(5009)
评论(0)
推荐(1)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html kd树(鸢尾花分类) 一、导入模块 二、获取数据 三、构建决策边界 四、训练模型 五、可视化 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(4398)
评论(0)
推荐(1)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 主成分分析代码(手写数字识别) 一、导入模块 二、数据预处理 三、KNN训练数据 3.1 准确度 四、降维(2维) 4.1 KNN训练数据 4.2 准 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1382)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 决策树总结 一、ID3算法、C4.5算法和CART算法比较 | 算法 | 树结构 | 支持模型 | 特征选择 | 连续值处理 | 缺失值处理 | 剪枝 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(2140)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 集成学习基础 集成学习(ensemnle learning)通过构建并结合多个学习器来完成学习任务，集成学习可以用于分类问题集成、回归问题集成、特征选 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1609)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 朴素贝叶斯 朴素贝叶斯是基于贝叶斯公式与特征条件独立假设的分类方法(注：贝叶斯公式是数学定义，朴素贝叶斯是机器学习算法)。朴素贝叶斯基于输入和输入的联 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(2584)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 深度学习 图像识别 一、人脸定位 相信你们外出游玩的时候，都不会带上你的牛逼plus诺基亚手机出门，而是带上你的智能手机给自己美美的拍上一张。当你用手 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(8817)
评论(1)
推荐(5)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html Bagging算法和随机森林 集成学习主要分成两个流派，其中一个是Boosting算法，另一个则是本文要讲的Bagging算法，Bagging算法 算 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(1431)
评论(0)
推荐(0)
摘要：
[TOC] 人工智能从入门到放弃完整教程目录：https://www.cnblogs.com/nickchen121/p/11686958.html 主成分分析(PCA) 一、维数灾难和降维 在KNN算法中曾讲到，对于高维数据，会出现数据样本稀疏、距离计算困难等问题。但是这种问题并不是仅仅针对KNN 阅读全文
posted @ 2019-10-16 17:07
B站-水论文的程序猿
阅读(2495)
评论(0)
推荐(0)
浙公网安备 33010602011771号