腾讯云
开发者社区
文档
建议反馈
控制台
首页
学习
活动
专区
工具
TVP
最新优惠活动
文章/答案/技术大牛
搜索
搜索
关闭
发布
登录/注册
首页
学习
活动
专区
工具
TVP
最新优惠活动
返回腾讯云官网
零维领域
专栏作者
举报
88
文章
106885
阅读量
14
订阅数
订阅专栏
申请加入专栏
全部文章（88）
编程算法（50）
https（17）
网络安全（16）
机器学习（12）
sql（10）
神经网络（9）
深度学习（7）
数据库（6）
人工智能（6）
html（5）
sql server（5）
git（4）
github（4）
http（3）
numpy（3）
监督学习（3）
python（2）
r 语言（2）
api（2）
matlab（2）
文件存储（2）
开源（2）
决策树（2）
线性回归（2）
数据结构（2）
聚类算法（2）
学习方法（2）
matrix（2）
云数据库 SQL Server（1）
ide（1）
express（1）
存储（1）
面向对象编程（1）
无监督学习（1）
anaconda（1）
analysis（1）
equation（1）
frequency（1）
lift（1）
pandas（1）
pivot（1）
ps（1）
rank（1）
统计（1）
搜索文章
搜索
搜索
关闭
《机器学习》-- 第十三章 半监督学习
监督学习
机器学习
神经网络
深度学习
人工智能
监督学习指的是训练样本包含标记信息的学习任务，例如：常见的分类与回归算法；无监督学习则是训练样本不包含标记信息的学习任务，例如：聚类算法。在实际生活中，常常会出现一部分样本有标记 (labeled) 和较多(通常认为远多于)样本无标记 (unlabeled) 的情形，例如：做网页推荐时需要让用户标记出感兴趣的网页，但是少有用户愿意花时间来提供标记。若直接丢弃掉无标记样本集，使用传统的监督学习方法，常常会由于训练样本的不充足，使得其刻画总体分布的能力减弱，从而影响了学习器泛化性能。
fireWang
2021-04-08
1.5K
0
《机器学习》-- 第十一章 特征选择与稀疏学习
机器学习
神经网络
深度学习
人工智能
文件存储
在机器学习中特征选择是一个重要的“数据预处理”（data preprocessing）过程，即试图从数据集的所有特征中挑选出与当前学习任务相关的特征子集，再利用数据子集来训练学习器；稀疏学习则是围绕着稀疏矩阵的优良性质，来完成相应的学习任务。
fireWang
2021-03-16
2K
0
《机器学习》-- 第七章 朴素贝叶斯
机器学习
神经网络
深度学习
人工智能
贝叶斯分类器是一种概率框架下的统计学习分类器，对分类任务而言，假设在相关概率都已知的情况下，贝叶斯分类器考虑如何基于这些概率为样本判定最优的类标。
fireWang
2020-08-07
895
0
《机器学习》-- 第六章 支持向量机
编程算法
机器学习
神经网络
深度学习
支持向量机（Support Vector Machine，SVM）是一种经典的二分类模型，基本模型定义为特征空间中最大间隔的线性分类器，其学习的优化目标便是间隔最大化，因此支持向量机本身可以转化为一个凸二次规划求解的问题。
fireWang
2020-07-31
698
0
《机器学习》-- 第四章 决策树
决策树
机器学习
神经网络
深度学习
人工智能
正文共：8270 字 151 图 预计阅读时间：21 分钟 前文推送 MIT线性代数相关资源汇总 《机器学习》--第一章 《机器学习》--第二章 《机器学习》--第三章（上） 《机器学习》--第三章（下） 本文目录： 4.1 决策树基本流程 4.2 划分选择 4.3 剪枝处理 4.4 连续值与缺失值处理 4.5 决策树算法对比 第四章 决策树 4.1 决策树基本流程 决策树(decision tree，亦称为判定树)是一类常见的机器学习方法。 以二分类任务为例，我们希望从给定训练数据集学得一个模型用以对新
fireWang
2019-11-12
1.3K
0
《机器学习》-- 第三章 广义线性模型
机器学习
神经网络
深度学习
人工智能
线性回归
，这时衍生的线性模型（式3.14）如下所示，实际上就是相当于将指数曲线投影在一条直线上，如下图所示：
fireWang
2019-09-19
834
0
《机器学习》-- 第三章 线性回归
线性回归
https
网络安全
机器学习
神经网络
线性模型形式简单、易于建模，但却蕴涵着机器学习中一些重要的基本思想，许多功能更为强大的非线性模型(nonlinear model)可在线性模型的基础上通过引入层级结构或高维映射而得，此外，由于
fireWang
2019-08-23
658
0
《机器学习》-- 第二章：模型评估与选择
机器学习
神经网络
深度学习
人工智能
编程算法
(1) 误差：学习器的实际预测输出与样本的真实输出之间的差异；其中学习器在训练集上的误差称为”训练误差“（training error），在新样本上的误差称为”泛化误差“（generalization error）。值得一提的是，学习器就是在训练集上训练出来的，但实际上在回到训练集上对样本预测结果时，仍有误差。（即结果值与标记值不同）
fireWang
2019-07-31
877
0
《机器学习》-- 第一章
编程算法
监督学习
无监督学习
机器学习
神经网络
机器学习是这样一门学科，它致力于研究如何通过计算的手段，利用经验来改善系统自身的性能,在计算机系统中，“经验”通常以“数据”形式存在，因此，机器学习所研究的主要内容，是关于在计算机上从数据中产生“模型” (model)的算法，即“学习算法” (learning algorithm)。有了学习算法，我们把经验数据提供给它，它就能基于这些数据产生模型；在面对新的情况时(例如看到一个没剖开的西瓜)，模型会给我们提供相应的判断(例如好瓜)。如果说计算机科学是研究关于“算法”的学问，那么类似的，可以说机器学习是研究关于“学习算法”的学问。
fireWang
2019-07-31
562
0
没有更多了
社区活动
RAG七天入门训练营
鹅厂大牛手把手带你上手实战
立即学习
Python精品学习库
代码在线跑，知识轻松学
立即查看
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客，速成社区影响力并领取好礼
立即体验
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
立即查看
领券
问题归档
专栏文章
快讯文章归档
关键词归档
开发者手册归档
开发者手册 Section 归档