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