文件名称：machine-learning-checklist:机器学习相关算法和概念的资源
文件大小：29KB
文件格式：ZIP
更新时间：2024-05-06 09:37:29
machine-learning reinforcement-learning deep-learning algorithms optimization
我发现有用的这些资源基于我的EECS背景。 算法 树 统计学习的组成部分。 9.2 梯度提升决策树 AdaBoost- 梯度提升 XGBoost 高斯朴素贝叶斯或高斯判别分析 多项式朴素贝叶斯 贝努利·贝叶斯 虚拟机 svms指南 Wiki：支持 损失函数：mse，熵，铰链 Wiki：分类损失函数 内核技巧 常用内核功能 支持向量回归 svr导师 线性回归 更详细的情况 确定系统之上和之下 核线性回归 回归中的内核 逻辑回归 套索 主成分分析（PCA） 潜在狄利克雷分配（LDA）-原始论文 维基 独立成分分析（ICA） 土生土长的 维基 CS229讲义 因子分析 CS229讲义 独立因素分析 独立因素分析 k-均值-Wiki 高斯过程 CS229讲义 内核食谱 生成模型 绝对应该是PRML 异常检测 一类svm 隔离林 线性判别分析（LDA
【文件预览】：
machine-learning-checklist-master
----Algorithms.md(6KB)
----ReadMe.md(7KB)
----traditional_ML_QA.md(527B)
----files()
--------Pseudo_Inverse.pdf(28KB)
--------ReadMe.md(1B)
----deep-learning-QA.md(11KB)