导读
本系列将持续更新20个机器学习的知识点，欢迎关注。
1. 函数
2. 高斯朴素贝叶斯分类器
3. 泛化能力
4. 基尼指数
5. Grabcut算法
6. 梯度悬崖
7. 梯度裁剪
8. 梯度下降
297个机器学习彩图知识点（15）
2023-03-01
126
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：
297个机器学习彩图知识点（15）
目录
相关文章
|
7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
578
0
0
|
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）
127
0
0
|
5月前
|
机器学习/深度学习
|
8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
196
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)
205
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)
204
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)
77
0
0
|
2月前
|
机器学习/深度学习
算法
数据挖掘
K-means聚类算法是机器学习中常用的一种聚类方法，通过将数据集划分为K个簇来简化数据结构
K-means聚类算法是机器学习中常用的一种聚类方法，通过将数据集划分为K个簇来简化数据结构。本文介绍了K-means算法的基本原理，包括初始化、数据点分配与簇中心更新等步骤，以及如何在Python中实现该算法，最后讨论了其优缺点及应用场景。
117
4
4
|
16天前
|
算法
热门文章
最新文章
1
Qwen2.5-Coder 系列模型在 PAI-QuickStart 的训练、评测、压缩及部署实践
2
技术实践 | 使用 PAI+LLaMA Factory 微调 Qwen2-VL 模型快速搭建专业领域知识问答机器人
3
国内首家！ 阿里云人工智能平台 PAI 通过 ITU 国际标准测评
4
机器学习在图像识别中的应用：解锁视觉世界的钥匙
5
AutoTrain：Hugging Face 开源的无代码模型训练平台
6
模型训练数据-MinerU一款Pdf转Markdown软件
7
K-means聚类算法是机器学习中常用的一种聚类方法，通过将数据集划分为K个簇来简化数据结构
8
人工智能与机器学习：改变未来的力量####
9
PAI EAS Flask应用部署Quick Start
10
分布式机器学习系统：设计原理、优化策略与实践经验
1
【Python机器学习专栏】Python环境下的机器学习库概览
120
2
【python】Python大豆特征数据分析 [机器学习版一]（代码+论文）【独一无二】
114
3
机器学习实战第3天：手写数字识别
201
4
机器学习库：numpy
89
5
机器学习第11天：降维
103
6
构建高效机器学习模型的五大技巧
97
7
构建高效机器学习模型：从数据预处理到模型优化
107
8
构建高效机器学习模型：从特征工程到模型调优
111
9
Machine Learning机器学习之贝叶斯网络(BayesianNetwork)
1413
10
Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
403