Python篇—机器学习

1.逻辑回归

逻辑回归与最大似然估计推导

2.支持向量机SVM

模型介绍及核函数
sklearn中SVM参数

3.决策树

ID3、C4.5算法原理
sklearn决策树类库

4.bagging和随机森林

sklearn中RF参数
sklearn中决策树和随机森林的实现
sklearn中bagging和随机森林的实现及参数

5.boosting和GBDT

GBDT算法原理
sklearn中adaboost的实现及参数

6.集成学习方法

集成学习原理
集成学习简介
模型融合方法概述
Hands-On Machine Learning with Scikit-Learn and Tensorflow 学习章节
stacking方法及应用
集成学习和stacking方法

7.XGBoost

安装
原理及模型参数
XGBoost调参指南
XGBoost的R语言接口作者
GB、GBDT和XGBoost比较
GBDT和XGBoost区别

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
平台声明:文章内容(如有图片或视频亦包括在内)由作者上传并发布,文章内容仅代表作者本人观点,简书系信息发布平台,仅提供信息存储服务。