标签:机器学习

机器学习总结,机器学习-感知机,决策树和基于决策树的集成方法(DT,RF,GBDT,XGBT)复习总结,FPGrowth算法总结复习,k近邻(KNN)复习总结,K-Means聚类和EM算法复习总结,朴素贝叶斯(NB)复习总结,主题模型——隐式狄利克雷分布总结,隐马尔可夫模型(HMM)总结,我的机器学习/数据挖掘的书单,生成模型与判别模型,机器学习面试知识点总结(不断补充中),Andrew Ng机器学习公开课笔记 -- 学习理论,机器学习面试知识点总结(不断补充中),Andrew Ng机器学习公开课笔记 -- 学习理论,常见的距离算法和相似度(相关系数)计算方法,使用sklearn做单机特征工程,特征的生命周期,数据清洗和数据预处理

背景:本文只是对机器学习相关知识的梳理和复习用,因此顺序上可能有些随意 摘要:   1.各种算法的推导   2.各种算法的比较(或优缺点)   3.学习理论        4.特征…