关闭

用户登录

忘记密码？

注册

机器学习入门

学前解惑
- 入门解惑
  - 【答疑】数据分析、机器学习与人工智能的区别
  - 【答疑】机器学习-入门答疑
第一课：初探模型
- 机器学习初探
  - 【安装】环境搭建-Anaconda安装
  - 【例子】机器学习入门例子
  - 【提炼】机器学习建模三步骤与模型三要素
  - 【总结】机器学习初探-入门总结
- 线性回归
  - 【原理】线性回归模型原理
  - 【实例】线性回归实例讲解
  - 【总结】线性回归总结
  - 【附件】最小二乘法求解公式及推导
第二课：逻辑回归与梯度下降
- 梯度下降法
  - 【原理】梯度下降算法原理
  - 【实例】梯度下降算法实例与代码
  - 【讨论】梯度下降算法的意义与优缺点
- 逻辑回归
  - 【原理】逻辑回归模型原理介绍
  - 【实例】逻辑回归算法实现代码与例子
  - 【总结】逻辑回归总结
  - 【推导】逻辑回归损失函数推导过程
  - 【推导】逻辑回归梯度公式推导
第三课：决策树
- 决策树
  - 【导读】决策树简介与入门
  - 【初识】CART决策树模型简介与实例
  - 【原理】CART决策树构建过程详细讲解
  - 【原理】CART决策树算法流程与实现
  - 【原理】CART决策树的剪枝
  - 【原理】CART回归树
- 决策树-附件
  - 【代码】CART决策树代码(自实现)
  - 【推导】决策树GINI系数的推导
第四课：熵与逻辑回归、决策树
- 信息与熵
  - 【概念】信息量是什么
  - 【概念】信息熵是什么
  - 【概念】交叉熵是什么
  - 【原理】交叉熵损失函数公式推导
- 基于熵补充学习逻辑回归
  - 【原理】逻辑回归模型sigmoid推导-基于信息量
  - 【原理】逻辑回归模型sigmoid推导-基于odds
- 基于熵补充学习决策树
  - 【决策树】决策树ID3算法
  - 【决策树】决策树C4.5算法
第五课：其它算法-聚类、分类、降维
- k-means聚类
  - 【初识】聚类问题与层次聚类
  - 【原理】k-means聚类
  - 【代码】k-means代码Demo
- 朴素贝叶斯分类
  - 【原理】朴素贝叶斯模型原理
  - 【实例】朴素贝叶斯实例
  - 【补充】朴素贝叶斯概念补充
- PCA主成份分析
  - 【概念】协方差与变量相关性
  - 【概念】相关系数及相关系数的意义
  - 【原理】PCA主成份分析原理
  - 【代码】PCA的求解及代码
第六课：综合应用
- 评估指标
  - 【原理】AUC与ROC曲线
  - 【原理】AUC计算与ROC曲线绘制
  - 【经验】AUC多少才有效果
  - 【原理】KS、KS曲线、KS计算过程
- 过拟合
  - 【概念】机器学习中的过拟合是什么
  - 【原理】正则化与正则项
  - 【实例】正则化用于逻辑回归的实例讲解