梯度下降
根据实际机器学习岗位的工作流程,每个流程详细讲解——
I,数据预处理:
-标准化预处理
-分位数预处理
-规范化预处理
-二值化预处理
-缺失值预处理
-多项式预处理
-自定义预处理
-图形提取
-文本提取——词频向量
-文本提取——TFIDF
-文本提取——哈希化
II,模型生成:
1,监督学习
-回归模型
a)简单线性回归
b)岭回归
c)LASSO回归
d)弹性网络回归
e)多项式回归
f)稳健回归
g)最小角回归
h)贝叶斯回归
i)逻辑回归
-高斯学习
-梯度下降
-支持向量机(SVM)
-决策树
-集成学习
2,半监督学习
-标签传播
3,无监督学习
-聚类
a)kmean聚类
b)吸引子聚类
c)均值漂移聚类
d)谱聚类
e)分层聚类
f)DBSCAN聚类
g)BIRCH聚类
-高斯混合
-降维
a)PCA
b)ICA
c)ISOMAP
d)LLE
e)谱嵌入
f)MDS
-奇异点检测
III,模型校验
-分类校验
-回归校验
-聚类校验
IV,模型优化
公开笔记对他人可见,有机会被管理员评为“优质笔记”
{{ noteEditor.content.length }}/2000
讲师收到你的提问会尽快为你解答。若选择公开提问,可以获得更多学员的帮助。
课程大纲