思维导图备注

机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）
首页 收藏书籍 阅读记录
  • 书签 我的书签
  • 添加书签 添加书签 移除书签 移除书签

10.5 独立分量分析

浏览 1 扫码
  • 小字体
  • 中字体
  • 大字体
2022-02-22 02:39:48
请 登录 再阅读
上一篇:
下一篇:
  • 书签
  • 添加书签 移除书签
  • 版权声明
  • O'Reilly Media, Inc. 介绍
  • 业界评论
  • 前言
  • 从本书可学到的知识
  • 本书的阅读方法
  • 本书读者
  • 作者联系方式
  • 排版约定
  • 使用代码示例
  • Safari® Books Online
  • 联系我们
  • 致谢
  • 第 1 章 测试驱动的机器学习
  • 1.1 TDD的历史
  • 1.2 TDD与科学方法
  • 1.3 机器学习中的风险
  • 1.4 为降低风险应采用的测试
  • 第 2 章 机器学习概述
  • 2.1.1 有监督学习
  • 2.3 本书采用的数学符号
  • 2.4 小结
  • 第 3 章 K 近邻分类
  • 3.2 基于邻居的居住幸福度
  • 3.3 如何选择 K
  • 3.3.1 猜测 K 的值
  • 3.4.1 Minkowski距离
  • 3.6 利用 KNN 算法和 OpenCV 实现胡须和眼镜的检测
  • 3.6.1 类图
  • 第 4 章 朴素贝叶斯分类
  • 4.1.1 条件概率
  • 4.2.1 链式法则
  • 4.3.1 类图
  • 第 5 章 隐马尔可夫模型
  • 5.1.1 隐含状态的输出和观测
  • 利用用户行为
  • 5.4 学习问题
  • 5.5 利用布朗语料库进行词性标注
  • 5.5.1 词性标注器的首要问题：CorpusParser
  • 第 6 章 支持向量机
  • 6.1 求解忠诚度映射问题
  • 6.2 SVM的推导过程
  • 6.3 非线性数据
  • 6.3.1 核技巧
  • 6.4.1 类图
  • 第 7 章 神经网络
  • 7.1 神经网络的历史
  • 7.2 何为人工神经网络
  • 7.2.1 输入层
  • 7.3.1 隐含层数目的选择
  • 7.4.1 为语言编写接缝测试
  • 第 8 章 聚类
  • 8.1 用户组
  • 8.2 K 均值聚类
  • 8.2.1 K 均值算法
  • 8.4 不可能性定理
  • 8.5 音乐归类
  • 8.5.1 数据收集
  • 第 9 章 核岭回归
  • 9.1 协同过滤
  • 9.2 应用于协同过滤的线性回归
  • 9.3 正则化技术与岭回归
  • 9.4 核岭回归
  • 9.5 理论总结
  • 9.6 用协同过滤推荐啤酒风格
  • 9.6.1 数据集
  • 第 10 章 模型改进与数据提取
  • 10.1 维数灾难问题
  • 10.2 特征选择
  • 10.3 特征变换
  • 10.4 主分量分析
  • 10.5 独立分量分析
  • 10.6 监测机器学习算法
  • 10.6.1 精度与查全率：垃圾邮件过滤
  • 10.8 产品环境的复杂性
  • 10.9 小结
  • 第 11 章 结语
  • 11.1 机器学习算法回顾
  • 11.2 如何利用这些信息来求解问题
  • 11.3 未来的学习路线
  • 作者介绍
  • 封面介绍
暂无相关搜索结果！
    展开/收起文章目录

    二维码

    手机扫一扫，轻松掌上学

    《机器学习实践 测试驱动的开发方法 (图灵程序设计丛书) - [美] 柯克（Matthew Kirk）》电子书下载

    请下载您需要的格式的电子书，随时随地，享受学习的乐趣！
    EPUB 电子书

    书签列表

      阅读记录

      阅读进度: 0.00% ( 0/0 ) 重置阅读进度