涉及机器学习的各种经典的算法,其中,有logistics回归,决策树、随机森林、XGBoost、SVM、主题模型、隐马尔可夫链、贝叶斯网络、聚类算法等等
机器学习是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为,以获取新的知识或技能,重新组织已有的知识结构使之不断改善自身的性
拖拽绘制标号
机器学习和数据挖掘算法 机器学习和数据挖掘算法的Python实现 分类算法 支持向量机 旋转森林 随机森林 PCA LDA 朴素贝叶斯 粒子群算法 QDA 决策树 知识网络 功能选择 随机森林 BPS
机器学习样本:机器学习算法代码样本
本书主要介绍了多智能体机器人强化学习的相关内容。全书共6章,首先介绍了几种常用的监督式学习方法,在此基础上,介绍了单智能体强化学习中的学习结构、值函数、马尔科夫决策过程、策略迭代、时间差分学习、Q学习
一种鲁棒快速的单目标跟踪算法matlab程序,
这本英文版的书,介绍了机器学习的理论,数学公式,以及怎样把理论公式转化为实际算法
机器学习算法学习资源分享,Sklearn源码学习。这是一个100%开源的学习资源,适用于手指测量。内容包含完整的调试通过的源码,可供学习和二次修改使用。
1.1 k-means算法的步骤 假设k=3,要分3个群体 随机在数据当中抽取3个样本,当作三个类别的中心点(k1,k2,k3) 计算其余的点分别到这3个中心点的距离,每一个样本有3个距离(a,b,c