文件名称：matlab多元参数非线性回归模型代码-ReadingKDNuggets:机器学习，大数据
文件大小：17.13MB
文件格式：ZIP
更新时间：2024-06-10 08:42:10
系统开源
matlab多元参数非线性回归模型代码阅读KDNuggets的注意事项 在从[ KDNuggets ]（）阅读Blog时写了本笔记。 在本简要说明中，它仅包含我感兴趣但并不足够熟悉的术语和主题。 有关完整内容，请参阅原件。 聚类：旨在“最大化类内相似度并最小化类间相似度”的无监督学习技术。 两个关键部分：特征选择和期望最大化（EM） ： 基于距离的方法：k均值和k中值 密度和基于网格的方法： 基于矩阵分解的方法：用于表示为稀疏非负矩阵的数据-共聚。 基于频谱的方法：使用定义的基础相似度矩阵 基于图的方法：通过将相似度矩阵转换为网络结构来对数据进行聚类。 大数据 大数据的六个Vs：数量，速度，多样性，准确性，可变性和价值。 机器学习 机器学习：与如何构建随经验而自动改善的计算机程序有关的问题。 关联：标识特定用户已选择的各个项目之间的关联。 强化学习：与在给定情况下寻找合适的动作以最大程度地获得奖励有关的问题。 深度学习 深度学习：不是万能药； 不是传说中的主算法； 不是人工智能的代名词。 这是应用深度神经网络技术解决问题的过程。 生物神经元（了解有关神经元和刺激激活的更多信息）。 核：
【文件预览】：
ReadingKDNuggets-master
----additional references()
--------KDD96-037.pdf(617KB)
--------ICA()
----README.md(11KB)