Menu
首页
搜索
Java
Python
Golang
Shell
Docker
Kubernetes
人工智能基础 | 机器学习算法
基础篇
(三)
文章目录 前言一、线性回归公式拆解代码实践对数几率回归损失函数 二、决策树信息熵与信息增益决策树的组成与建立划分标准 三、支持向量机四、贝叶斯分类五、K-近邻算法定义通过案例认识k-近邻使用sk-learn实现k-近邻案例距离度量曼哈顿距离切比雪夫距离闵可夫斯基距离标准化欧氏距离余弦距离汉明距离杰卡德距离马氏距离 k值(邻居数)的选择KD树 六、梯度下降七、集成学习八、聚类算法九、西瓜树看看补充 [外...
(view)
基础篇
:JAVA.Stream函数,优雅的数据流操作
...
(view)
容器化 | ClickHouse on K8s
基础篇
...
(view)
ArcGIS Runtime for Android开发教程V2.0(8)
基础篇
-----地图事件
...
(view)
第四节
基础篇
- SELECT 语句详解
...
(view)
SQL
基础篇
----select语句与排序问题
...
(view)
Vue.js 源码分析(九)
基础篇
生命周期详解
...
(view)
Vue.js 源码分析(十)
基础篇
ref属性详解
...
(view)
Docker虚拟化实战学习——
基础篇
(转)
...
(view)
[转]C++学习–
基础篇
(书籍推荐及分享)
...
(view)
上一页
1
2
3
4
5
6
7
8
10
下一页
© 2024
LMLPHP
关于我们
联系我们
友情链接
耗时0.003888(s)
2024-04-28 05:49:52 1714254592