百面机器学习（5）非监督学习

相关阅读

相关 机器学习的划分：监督学习、非监督学习、强化学习、进化学习 概述 (二)

  监督学习（Supervised learning）：提供带有正确结果的训练集，基于训练集，算法将归纳（generalization）出“如何正确的响应所有可能的输

骑猪看日落/ 2023年02月23日 12:05/ 0 赞/ 32 阅读

相关 机器学习之监督学习

机器学习之监督学习 1. 监督学习三要素 ![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_tex

港控/mmm°/ 2022年10月29日 06:22/ 0 赞/ 210 阅读

相关 百面机器学习（5）非监督学习

目录 01 k均值聚类 02 高斯混合模型GMM 03 自组织映射神经网络SOM 04 聚类算法的评估 -------------------- 非监督学习的输入数

拼搏现实的明天。/ 2022年10月02日 10:57/ 0 赞/ 227 阅读

相关 机器学习（二）：有监督学习、无监督学习和半监督学习

![机器学习分类.png][.png] 一、基本概念 1 特征（feature） 数据的特征。 举例：书的内容 2 标签（label） 数据的标签。 举例

系统管理员/ 2022年06月08日 01:28/ 0 赞/ 463 阅读

相关 机器学习中的有监督学习，无监督学习，半监督学习

在机器学习(Machine learning)领域，主要有三类不同的学习方法： 监督学习(Supervised learning)、 非监督学习(Unsupervised

朴灿烈づ我的快乐病毒、/ 2022年05月29日 05:49/ 0 赞/ 307 阅读

相关 机器学习之监督学习

定义: 监督学习是指再有标记(labeled samples)的样本建立机器学习的模型.例如,使用尺寸,位置等不同参数建立的一套模型来评估一栋房子的价格,那么首先需要创建一个数

忘是亡心i/ 2022年04月10日 06:45/ 0 赞/ 339 阅读

相关 百面机器学习（0）前言

算法工程师必备的知识体系（不积跬步，无以至千里）：特征工程，模型评估，降维； 最新进展：神经网络，强化学习，生成对抗网络； 应用（博观而约取，厚积而薄发）   推荐序

客官°小女子只卖身不卖艺/ 2022年01月13日 05:13/ 0 赞/ 279 阅读

相关 百面机器学习（12）集成学习

目录 01 集成学习的种类 02 集成学习的步骤和例子 03 基分类器 04 偏差与方差 05 梯度提升决策树GBDT的基本原理 06 XGBoost与GBDT的联

我不是女神ヾ/ 2021年12月24日 08:39/ 0 赞/ 333 阅读

相关 百面机器学习（11）强化学习

目录 01 强化学习基础 02 视觉游戏里的强化学习 03 策略梯度 04 探索与利用 -------------------- 涉及动态系统的决策学习过程：强化学

傷城~/ 2021年12月24日 06:45/ 0 赞/ 273 阅读

相关 百面机器学习（8）采样

  01 采样的作用 问题：举例说明采样的作用 随机化、信息降维   02 均匀分布随机数 编程实现均匀分布随机数生成器？线性同余。   03 常见的采样方法

Myth丶恋晨/ 2021年12月24日 06:23/ 0 赞/ 279 阅读