![240](https://upload.jianshu.io/users/upload_avatars/15321094/e3c18208-43f8-41f2-866a-d3b88bb85b88.jpg?imageMogr2/auto-orient/strip|imageView2/1/w/240/h/240)
本文來自之前在Udacity上自學機器學習的系列筆記邮丰。這是第19篇帮毁,介紹了數(shù)據(jù)前處理的方法—特征選擇和特征轉換。 為什么需要特征選擇 特征選擇...
概要:在產(chǎn)品交付的每個階段吉拳,需要設計好每個階段的環(huán)境质帅、人員配置和決策卡點。其中留攒,在每個決策上煤惩,為了保證質(zhì)量和進度,需要對技術的可實現(xiàn)性和功能的友...
本文來自之前在Udacity上自學機器學習的系列筆記炼邀。這是第18篇魄揉,介紹了數(shù)據(jù)前處理的方法—特征縮放。 特征縮放(Feature Scaling...
本文來自之前在Udacity上自學機器學習的系列筆記拭宁。這是第17篇洛退,介紹了什么是聚類(2),介紹軟聚類(高斯混合聚類模型)杰标。 正態(tài)分布回顧軟聚類...
本文來自之前在Udacity上自學機器學習的系列筆記兵怯。這是第16篇,介紹了什么是聚類(1)腔剂,介紹K-均值媒区、單鏈路聚類和基于密度的聚類三種。 K-...
本文來自之前在Udacity上自學機器學習的系列筆記桶蝎。這是第15篇驻仅,介紹了什么是非監(jiān)督學習和聚類。 非監(jiān)督學習非監(jiān)督學習是機器學習的一種方法登渣,而...
本文來自之前在Udacity上自學機器學習的系列筆記噪服。這是第14篇,介紹了監(jiān)督學習中的集成學習胜茧。 什么是集成學習如果我們要對郵件進行判斷粘优,是否屬...
本文來自之前在Udacity上自學機器學習的系列筆記仇味。這是第12篇,介紹了監(jiān)督學習中的貝葉斯學習模型(3)雹顺。 聯(lián)合分布在現(xiàn)實生活中丹墨,我們會對關聯(lián)...
本文來自之前在Udacity上自學機器學習的系列筆記。這是第12篇嬉愧,介紹了監(jiān)督學習中的貝葉斯學習模型(2)贩挣。 在貝葉斯學習模型(1)中,介紹了貝...