1. 单边标签平滑
2. 逻辑回归
3. 最小二乘法
4. 袋外数据误差
5. 外核
6. 异常值
7. 过拟合&欠拟合
8. 过度拟合
9. 正则化的参数范数惩罚
10. 参数共享
11. 参数&超参数
12. 不确定性的来源
13. 夹角
14. 稀疏性
15. 平方根
16. 标准差
17. 均值的标准误
18. 标准化
19. 驻点
20. 词根
297个机器学习彩图知识点（11）
2023-02-15
83
版权
版权声明：
本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《
阿里云开发者社区用户服务协议》和
《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写
侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
简介：
本系列将持续更新20个机器学习的知识点，欢迎关注。
目录
相关文章
|
5月前
|
机器学习/深度学习
自动驾驶
机器人
|
机器学习/深度学习
存储
算法
机器学习面试笔试知识点-决策树、随机森林、梯度提升决策树(GBDT)、XGBoost、LightGBM、CatBoost
机器学习面试笔试知识点-决策树、随机森林、梯度提升决策树(GBDT)、XGBoost、LightGBM、CatBoost
530
0
0
|
3月前
|
机器学习/深度学习
|
机器学习/深度学习
存储
算法
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型（GMM）、自组织映射神经网络（SOM）
机器学习面试笔试知识点之非监督学习-K 均值聚类、高斯混合模型（GMM）、自组织映射神经网络（SOM）
113
0
0
|
6月前
|
机器学习/深度学习
人工智能
PyTorch
《人工智能专栏》专栏介绍 & 专栏目录 & Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
《人工智能专栏》专栏介绍 & 专栏目录 & Python与Python | 机器学习 | 深度学习 | 目标检测 | YOLOv5及其改进 | YOLOv8及其改进 | 关键知识点 | 各种工具教程
189
1
1
|
机器学习/深度学习
存储
算法
机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)
机器学习面试笔试知识点-线性回归、逻辑回归(Logistics Regression)和支持向量机(SVM)
176
0
0
|
机器学习/深度学习
存储
自然语言处理
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)1
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)
179
0
0
|
机器学习/深度学习
自然语言处理
算法
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)2
机器学习面试笔试知识点-贝叶斯网络(Bayesian Network) 、马尔科夫(Markov) 和主题模型(T M)
67
0
0
|
6月前
|
机器学习/深度学习
存储
搜索推荐
利用机器学习算法改善电商推荐系统的效率
电商行业日益竞争激烈，提升用户体验成为关键。本文将探讨如何利用机器学习算法优化电商推荐系统，通过分析用户行为数据和商品信息，实现个性化推荐，从而提高推荐效率和准确性。
239
14
14
|
6月前
|
机器学习/深度学习
算法
搜索推荐
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
315
0
0
热门文章
最新文章
1
SLS机器学习最佳实战：批量时序异常检测
2
【GTC 22】通过 PAI-Blade 更方便、更鲁棒地使用 TensorRT
3
AI推理服务平台升级，阿里云机器学习PAI推出新规格
4
初识机器学习_你需要知道的基本概念罗列_以PY为工具
5
《R语言机器学习：实用案例分析》——2.4节总结
6
机器学习之数据均衡算法种类大全+Python代码一文详解（下）
7
问答Goodfellow：没有样例能不能训练机器学习算法？
8
Elastic：机器学习的实践 - multi metric job
9
机器学习/评分卡常用指标及计算
10
谷歌机器学习项目备受关注的四项核心
1
机器学习模型评估指标详解
166
2
PyTorch模型训练与部署流程详解
82
3
探索机器学习中的神经网络：从基础到应用
79
4
重构数据处理流程：Pandas与NumPy高级特性在机器学习前的优化
62
5
探索机器学习在医疗诊断中的应用
53
6
机器学习实战：房价预测项目
215
7
强化学习（Reinforcement Learning, RL）** 是一种机器学习技术，其中智能体（Agent）通过与环境（Environment）交互来学习如何执行决策以最大化累积奖励。
81
8
集成学习（Ensemble Learning）是一种机器学习技术，它通过将多个学习器（或称为“基学习器”、“弱学习器”）的预测结果结合起来，以提高整体预测性能。
254
9
`sklearn.metrics`是scikit-learn库中用于评估机器学习模型性能的模块。它提供了多种评估指标，如准确率、精确率、召回率、F1分数、混淆矩阵等。这些指标可以帮助我们了解模型的性能，以便进行模型选择和调优。
476
10
在机器学习和数据科学中，数据预处理是一个至关重要的步骤。数据规范化（或称为特征缩放）是预处理的一种常见技术，它可以帮助我们改进模型的性能。`sklearn.preprocessing`模块提供了多种数据规范化的方法，其中`StandardScaler`和`MinMaxScaler`是最常用的两种。
94