錯的。我們可以評估無監督學習方法通過無監督學習的指標，如：我們可以評估聚類模型通過調整蘭德係數（adjusted rand score）
把nan直接作為乙個特徵，假設用0表示；用均值填充；
用隨機森林等演算法**填充
sgd：隨機梯度下降sgd+momentum: 基於動量的sgd（在sgd基礎上做過優化）
sgd+nesterov+momentum：基於動量，兩步更新的sgd（在sgd+momentum基礎上做過優化）
adagrad：自適應地為各個引數分配不同學習速率
adadelta： 針對adagrad問題，優化過的演算法（在adagrad基礎上做過優化）
rmsprop：對於迴圈神經網路（rnns）是最好的優化器（在adadelta基礎上做過優化）
adam：對每個權值都計算自適應的學習速率（在rmsprop基礎上做過優化）
adamax：針對adam做過優化的演算法（在adam基礎上做過優化）
機器學習 深度學習知識點總結
近期準備秋招，想把之前學過的一些知識總結一下，盡量言簡意賅，主要圍繞機器學習和深度學習，部落格也擱置了一段時間了，以後會常常更新，記錄學習，寫部落格不僅能總結知識，還能在寫的過程中養成思考並查缺的習慣，其實有很多東西想寫的，包括ml dl cv，近期做的人臉識別，還有一些刷題心得等，近期開始慢慢寫吧...
機器學習知識點
1.knn 不適合用來對特徵分布進行分析。2.強化學習中的mdp模型 環境狀態的集合 動作的集合 在狀態之間轉換的規則 規定轉換後 即時獎勵 的規則 描述主體能夠觀察到什麼的規則。3.otsu推到 4.繪製曲線 plt.plot hist.history loss plt.plot hist.his...
機器學習知識點
2.感知機 3 k近鄰法 4.樸素貝葉斯 5.決策樹 6.邏輯回歸與最大熵模型 7.支援向量機 8.整合學習 9.em演算法 10.隱馬爾科夫模型與條件隨機場 11.聚類方法 1.1 監督學習關於資料的基本假設是什麼？1.2 模型的假設空間是什麼？1.3 統計學習三要素 1.4 損失函式的定義，有哪...