ML:互联网人工智能岗位求职之机器学习算法工程师必备知识框架结构 目录 机器学习算法工程师思维导图 机器学习算法工程师思维导图 后期继续更新…… 1、思维导图01
ML:人工智能之机器学习ML解决实际应用问题的思路总过程(最全) 目录 详细思路结构 详细思路结构
ML:回归预测问题中评价指标(MSE/RMSE/MAE)简介、使用方法、代码实现、案例应用之详细攻略 目录 回归预测问题中评价指标简介 RMSE 标准差SD MSE函数 (1)、MSE函数
ML&DL:ML&DL相关概念的原始英文解释——对理解最初的ML和DL的相关概念的定义非常有用 目录 ML分类概念 1、Parametric and Nonparametric Algorithms ML分类概念 1、Parametric and Nonparametric Algorithms What is a parametric machine learning algorithm and how is it
ML:从0到1 机器学习算法思路实现全部过程最强攻略 目录 思维导图 设计思路 思维导图 设计思路 相关文章 ML之FE:结合Kaggle比赛的某一案例细究Feature Engineering思路框架 ML之FE:Feature Engineering——数据类型之预处理数据的一些函数ML之FE:Feature En
ML与Information:机器学习与Information信息论之间那些七七八八、乱七八糟、剪不断理还乱的关系攻略 目录 ML与信息论 ML与熵 1、熵的基础知识 2、熵与分布的关系 3、最大熵模型与Logistic/Softmax回归 相关文献推荐 ML与信息论 更新…… ML与熵 1、熵的基础知识
ML与math:机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——进阶篇 相关文章 ML与math:机器学习与高等数学基础概念、代码实现、案例应用之详细攻略——基础篇 目录 1、哈夫曼编码Huffman Coding简介及代码实现 1、哈夫曼编码Huff
Competition——ML/DL:机器学习、深度学习各种计算机视觉、自然语言处理、科学预测等等比赛竞赛简介 相关内容 Competition——互联网比赛(编程相关):国内外各种互联网比赛举办时间、条件、细节等详细攻略Competition——AI:国内外人工智能比赛平台以及竞赛类型、竞赛题目、举行时间
ML/DL:关于机器学习、深度学习算法模型的选择 目录 算法思路 算法思路 更新……
Keras之ML~P:基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5个样本)——概率预测 目录 输出结果 核心代码 输出结果 核心代码 # -*- coding: utf-8 -*- #Keras之ML~P:基于Keras中建立的简单的二分类问题的神经网络模型(
Keras之ML~P:基于Keras中建立的简单的二分类问题的神经网络模型(根据200个数据样本预测新的5+1个样本)——类别预测 目录 输出结果 核心代码 输出结果 核心代码 # -*- coding: utf-8 -*- import os #Keras之ML~P:基于Keras中建立的简单的二分类问题
ML之RF:随机森林RF算法简介、应用、经典案例之详细攻略 目录 随机森林RF算法简介 1、RF基本的构建算法过程 2、RF算法相关文献、论文 随机森林RF算法的应用 1、RF用于回归 2、RF用于分类 随机森林RF算法的经典案例 1、基础用法 随机森林RF算法简介
ML之DT(树模型):DT(树模型算法)算法的简介、代码定义、案例应用之详细攻略 目录 树模型 1、A brief history of forests 2、树模型的复杂度 3、树模型的目标函数
ML之Anaconda:关于Anaconda集成平台简介、安装、使用方法的详细攻略 目录 Anaconda简介 1、管理 Python 所用的包 2、管理 Python 不同版本的环境
ML之RL:强化学习Reinforcement Learning的简介、应用、经典案例、学习资源之详细攻略 目录 强化学习的简介 0、强化学习相关论文 1、强化学习的常用算法 1.1、策略学习
ML之LiR:机器学习经典算法之线性回归算法LiR的简介、使用方法、经典案例之详细攻略 目录 线性回归算法LiR的简介 1、LiR中的数学公式 2、LiR的两大实际应用
ML之SLR:简单线性回归;根据多组数据(x,y)模拟得到一次线性方程(斜率和截距),然后输入新的x来智能预测y值 目录 输出结果 代码设计 输出结果 代码设计 import numpy as np def fitSLR(x,y): n=len(x) dinominator = 0 numerator=0
ML之SVM:SVM算法的简介、应用、经典案例之详细攻略 目录 SVM算法的简介 1、SVM模型分类—线性可分、线性、非线性 2、SVM的决策边界 3、SVM中的核函数 4、SVM算法推导 1.1、SVM转为对偶问题的求解—SMO算法思 5、SVM中“损失+惩罚”框架的灵活性 6、SVM的损失函数分析 SVM的
ML之LoR:逻辑回归LoR算法的简介、应用、经典案例之详细攻略 目录 逻辑回归LoR算法的简介 逻辑回归LoR算法的应用 1、逻辑回归可视化 逻辑回归LoR算法的经典案例 逻辑回归LoR算法的简介 逻辑回归最适合二进制分类(y = 0或1的数据集,其中1表示默认类)。例
ML之Validation:机器学习中模型验证方法的简介、代码实现、案例应用之详细攻略 目录 模型验证方法的简介 1、Hold-out验证 2、K-折交叉验证 3、自助重采样 模型验证方法的代码实现 模型验证方法的案例应用 模型验证方法的简介 1、Hold-out验证 后期
ML之回归预测:利用八(9-1)种机器学习算法对无人驾驶汽车参数(2017年的data,18+2)进行回归预测值VS真实值 目录 模型评估 输出结果 模型评估 相关文章:ML之回归预测:利用八(9-1)种机器学习算法对无人驾驶汽车系统参数(2017年的data,18+2)进行回归预测+评估八种模型
ML之回归预测:利用八(9-1)种机器学习算法对无人驾驶汽车参数(2017年的data,18+2)进行回归预测+评估八种模型性能 目录 说明 输出结果 说明 在 ML之回归预测:利用九大类机器学习算法对无人驾驶汽车系统参数(18+2)进行回归预测值VS真实值 基础上出现了两个bug,成功解决
AI:人工智能概念之机器学习ML、深度学习DL、数据挖掘、知识发现、模式识别等重要领域之间比较关系结构图之详细攻略 目录 AI与ML、DL的概念 AI与ML、DL的结构关系图 参考文章:《2019.12人工智能发展报告(清华),人工智能十三大领域总结,中国工程院知识智能研究中心》
ML之XGBoost:XGBoost案例应用实战(原生接口实现+Scikit-learn接口实现) 目录 XGBoost原生接口实现 Scikit-learn接口实现 相关文章 ML之XGBoost:XGBoost算法模型(相关配图)的简介(XGBoost并行处理)、关键思路、代码实现(目标函数/评价函数)、安装、使用方法、
ML之SR:Softmax回归(Softmax Regression)的简介、使用方法、案例应用之详细攻略 目录 Softmax回归的简介 Softmax回归的使用方法 Softmax回归的案例应用 Softmax回归的简介 Softmax逻辑回归模型是logistic回归模型在多分类问题上的推广,在多分类问题