原创 機器學習實戰筆記3——K-means聚類
任務安排 1、機器學習導論 8、核方法 2、KNN及其實現 9、稀疏表示 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析 12、強
原创 機器學習實戰筆記1——機器學習導論
因爲輔修專業,這學期在學習機器學習這門課。 使用的語言爲Python,因爲Python涉及到庫的安裝、pip升級等,經常因爲源、版本不對等問題導致報錯,以前沒有做筆記的習慣,遇到問題就上網搜,雖然能解決,但
原创 機器學習實戰筆記2——KNN及其實現
任務安排 1、機器學習導論 8、核方法 2、KNN及其實現 9、稀疏表示 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析 1
原创 機器學習實戰筆記9——深度神經網絡
任務安排 1、機器學習導論 7、邏輯迴歸 2、KNN及其實現 8、核方法 3、K-means聚類 9、深度神經網絡 4、主成分分析 10、? 5、線性判別分析 11
原创 機器學習實戰筆記8——核方法
任務安排 1、機器學習導論 8、核方法 2、KNN及其實現 9、稀疏表示 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析 1
原创 機器學習實戰筆記7——邏輯迴歸
任務安排 1、機器學習導論 8、稀疏表示 2、KNN及其實現 9、核方法 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析
原创 機器學習實戰筆記6——貝葉斯方法
任務安排 1、機器學習導論 8、稀疏表示 2、KNN及其實現 9、核方法 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析
原创 機器學習實戰筆記5——線性判別分析
任務安排 1、機器學習導論 8、稀疏表示 2、KNN及其實現 9、核方法 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析
原创 機器學習實戰筆記4——主成分分析
任務安排 1、機器學習導論 8、稀疏表示 2、KNN及其實現 9、核方法 3、K-means聚類 10、高斯混合模型 4、主成分分析 11、嵌入學習 5、線性判別分析
原创 機器學習筆記2——KNN及其實現
任務安排 1、機器學習導論 8、稀疏表示 2、KNN及其實現 9、核方法 3、K-means聚類 10、高斯混合模型 4、主成成分分析 11、嵌入學習 5、線性判別分析 12、強
原创 機器學習筆記1——機器學習導論
因爲輔修專業,這學期在學習機器學習這門課。 使用的語言爲Python,因爲Python涉及到庫的安裝、pip升級等,經常因爲源、版本不對等問題導致報錯,以前沒有做筆記的習慣,遇到問題就上網搜,雖然能解決,但花費不少時間,故首次嘗試