機器學習與智慧型優化系列

2021-06-28 12:05:45 字數 705 閱讀 8977

機器學習與智慧型優化

機器學習與智慧型優化 之 knn

opencv knn 之 使用方法

機器學習與智慧型優化 之 學習有道

上篇:監督學習

機器學習與智慧型優化 之 線性模型

機器學習與智慧型計算 之 最小二乘法

機器學習與智慧型優化 之 規則、決策樹和森林

opencv 決策樹 之 理論準備

opencv 決策樹 之 使用方法

opencv 隨機森林使用方法

機器學習與智慧型優化 之 排序與選擇特徵

機器學習與智慧型優化 之 幾個特殊非線性模型

機器學習與智慧型優化 之 淺層和深層神經網路

機器學習與智慧型優化 之 統計學習理論和支援向量機

機器學習與智慧型優化 之 學習也民主

下篇:無監督學習與聚類

機器學習與智慧型優化 之 自頂而下聚類:k均值

機器學習與智慧型優化 之 自底向上(層次)聚類

自組織圖

線性對映降維

用非線性圖視覺化圖和網路

半監督學習

原書鏈結

人工智慧與機器學習 凸優化基礎

計算幾何是對幾何外形資訊的計算機表示分析,研究的物件是幾何圖形。早期人們對於影象的研究一般都是先建立座標系,把圖形轉換成函式,然後用插值和逼近的數學方法,特別是用樣條函式作為工具來分析圖形,取得了可喜的成功。然而,這些方法過多地依賴於座標系的選取,缺乏幾何不變性,特別是用來解決某些大撓度曲線及曲線的...

機器學習系列 Bagging與隨機森林

整合學習演算法有兩個大類 乙個是boosting,代表演算法是adaboost 另乙個是bagging,本文介紹的隨機森林是它的乙個變種。bagging也叫自舉匯聚法 bootstrap aggregating 它在原始資料集上通過有放回抽樣重新選出 t 個包含 m條資料的新資料集來訓練分類器。也就...

機器學習演算法評估與優化策略

2 策略 3 查全率和查準率 precision recall 使用訓練集訓練出10個模型 用10個模型分別對交叉驗證集計算得出交叉驗證誤差 選取代價函式值最小的模型 用步驟3中選出的模型對測試集計算得出推廣誤差 對於回歸模型,我們可以計算代價函式j jj 未正則化 對於分類模型,我們除了可以計算代...