机器学习笔记：Overview

原创 已于 2025-07-31 16:07:31 修改 · 918 阅读 · 16 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#机器学习

于 2018-12-11 21:33:03 首次发布
本博客全面介绍了机器学习的各个核心领域，从基础的线性回归、逻辑回归到复杂的神经网络和深度学习，涵盖正则化、支持向量机、聚类、降维等高级主题，为读者提供了一个系统的学习路径。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

1）机器学习笔记（1）：Introduction

2）机器学习笔记（2）：单变量线性回归

3）机器学习笔记（3）：线性代数回顾

4）机器学习笔记（4）：多变量线性回归

5）机器学习笔记（五）：逻辑回归

6）机器学习笔记（六）：正则化

7）机器学习笔记（七）：神经网络：表示

8）机器学习笔记（八）：神经网络：学习

9）机器学习笔记（九）：应用机器学习的建议

10）机器学习笔记（十）：机器学习系统的设计

11）机器学习笔记（十一）：支持向量机

12）机器学习笔记（十二）：聚类

13）机器学习笔记（十三）：降维

14）机器学习笔记（十四）：异常检测

15）机器学习笔记（十五）：推荐系统

16）机器学习笔记（十六）：大规模机器学习

17）机器学习笔记：总结

18）机器学习作业（1）：线性回归

19）机器学习作业（2）：多元线性回归

20）机器学习作业（3）：逻辑回归

21）机器学习作业（4）：正则化逻辑回归

22）机器学习作业（5）：支持向量机

机器学习笔记
weixin_44768712的博客
07-11 689
分类：SVM、最近邻、随机森林、逻辑回归等。常用于垃圾邮件检测、图像识别。回归：Lasso、岭回归等。常用于药物反应、股票价格。聚类：k-means、谱聚类、均值偏移。常用于客户细分、分组实验结果。降维：PCA、特征选择、矩阵分解等。常用于可视化、提高效率。模型选择：网格搜索、交叉验证、指标矩阵等。通过参数调整来提高准确率。预处理：特征提取、正态化等。转换输入数据以用于机器学习算法。监督学习：回归+分类无监督学习：聚类半监督学习：1）数据加载2）数据集划分：训练集和测试集3）数据预处理4）模型训练：使用训练
论文学习笔记:Federated Graph Neural Networks: Overview, Techniques, and Challenges
m0_57180439的博客
07-03 1377
FedGNNs论文综述
论文学习笔记01（Deep Neural Networks in Machine Translation: An Overview）
Xiao_yanling的博客
03-31 450
论文学习笔记 Deep Neural Networks in Machine Translation: An Overview 1.拓展：seq2seq模型（encoder-decoder结构的一种） 输入和输出不等长 从一个序列到另一个序列的转换 常用于机器翻译、聊天对话场景 两个RNN：一个做Encoder，一个做Decoder Encoder：将输入序列压缩成一个语义向量c Decode...
Android学习笔记：Android基础知识点（不断更新中）
热门推荐
浩比的专栏
10-28 2万+
1、Android系统的四大组件分别是：活动（Activity）、服务（Service）、广播接收器（Broadcast Receiver）、内容提供器（Content Provider）。 2、定义一个应用程序名的字符串，有以下两种方式来引用它：
Deep Reinforcement Learning : An Overview(Yuxi Li) 学习笔记
weixin_44412076的博客
03-14 4091
翻译的比较粗糙，仅供参考。 2.2 Deep Learning 深度学习与浅层学习形成对比。对于许多机器学习算法，如线性回归、逻辑回归、支持向量机(SVMs)、决策树和增强等，我们有输入层和输出层，在训练前可以用人工特征工程对输入进行转换。在深度学习中，在输入层和输出层之间有一个或多个隐藏层。在除输入层外的每一层，我们计算每个单元的输入，作为上一层单元的加权和;然后，我们通常使用非线性变换，或...
【学习笔记】李宏毅2021春机器学习课程第一节：机器学习基本概念简介
Harryline的博客
07-11 645
7月10日 一、李宏毅2021春机器学习课程-第一节 试了不同的参数,然后计算它的Loss，画出来的这个等高线图叫做Error Surface，是机器学习的第二步。 来自model本身的限制叫做model bias ReLU ReLU 和 sigmoid哪一个更好呢？ Deep Learning名称的由来 **过拟合（overfitting）**问题 反向传播（Backpropagation）：(3条消息) 反向传播——通俗易懂_chengchaowei的博客-CSD
【机器学习】机器学习笔记（吴恩达）
欢迎关注【微信公众号】测试开发Guide，从功能测试进阶测试开发
12-25 1万+
中文笔记地址 http://www.ai-start.com/ml2014/html/week1.html 视频地址 https://www.bilibili.com/video/BV164411b7dx?p=4 https://study.163.com/course/courseLearn.htm?courseId=1210076550#/learn/video?lessonId=1280912351&courseId=1210076550 https://study.163.com/cours
机器学习之学习笔记
最新发布
deven3452208524的博客
03-04 1032
2025.2.26完成机器学习的初步学习任务
机器学习(笔记)
qq_41878442的博客
03-17 644
机器学习概述及jupyter安装
机器学习：偏差、方差，生成模型，判别模型，先验概率，后验概率
weixin_41108334的博客
01-15 6860
一、偏差、方差 偏差与方差分别是用于衡量一个模型泛化误差的两个方面； 模型的偏差，指的是模型预测的期望值与真实值之间的差； 模型的方差，指的是模型预测的期望值与预测值之间的差平方和； 在监督学习中，模型的泛化误差可分解为偏差、方差与噪声之和。 偏差用于描述模型的拟合能力；方差用于描述模型的稳定性。 导致偏差和方差的原因 偏差通常是由于我们对学习算法做了错误的假设，或者模型...
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值