1. 阈值类别特征的方差
2. 切分文本
3. 领域链接
4. TSS
5. 误差
6. 训练错误率
7. 真正类率
8. 丢弃概率
9. 数值下溢
10. 弱学习器
11. 权重衰减
12. 缺失值
13. N
14. 损失函数
15. 自然语言训练模型
16. 异或函数
17. 约登指数
18. 0损失
19. 超平面
20. 假设空间
297个机器学习彩图知识点（13）
2023-02-24
79
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
|
6月前
|
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
261
0
0
|
6月前
|
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）
49
0
0
|
4天前
|
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
121
1
1
|
6月前
|
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)
92
0
0
|
6月前
|
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)
32
0
0
|
6月前
|
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)
86
0
0
|
机器学习/深度学习
算法
|
机器学习/深度学习
算法
|
机器学习/深度学习
|
4天前
|
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。
96
14
14
热门文章
最新文章
1
[机器学习] 1、《机器学习系统设计》学后总结
2
【教程】5分钟在PAI算法市场发布自定义算法
3
机器学习验证全新脑图谱，脑科学及AI超凡一步
4
斯坦福机器学习公开课学习笔记(3)—拟合问题以及局部权重回归、逻辑回归
5
【翻译】Sklearn 与 TensorFlow 机器学习实用指南 —— 第11章 训练深层神经网络（中）
6
阿里云机器学习PAI全新推出特征平台 (Feature Store)，助力AI建模场景特征数据高效利用
7
我们如何利用AI和机器学习将游戏引入现实生活？
8
09 机器学习调参
9
程序员如何开启机器学习之路？我也遇到过这个问题
10
使用SAP Cloud Platform Leonardo机器学习提取图片的特征向量
1
利用机器学习算法改善电商推荐系统的效率
96
2
构建高效机器学习模型的策略与实践
13
3
构建高效机器学习模型：从数据预处理到模型调优
10
4
机器学习的魔法（三）解析无监督学习的黑科技，揭秘新闻话题背后的神奇算法
27
5
机器学习的魔法（二）超越预测的界限-揭秘机器学习的黑科技-探索监督学习中的回归和分类问题
138
6
机器学习的魔法（一）从零开始理解吴恩达的精炼笔记
37
7
MAC系统机器学习环境配置常见问题
35
8
构建高效机器学习模型：从数据预处理到模型优化
35
9
构建高效机器学习模型：从数据预处理到模型调优
44
10
JAMA | 机器学习中的可解释性：SHAP分析图像复刻与解读
333