暂时未有相关云产品技术能力~
暂无个人介绍
Lesson 7.2 Mini Batch K-Means与DBSCAN密度聚类
Python 之 NumPy 切片索引和广播机制
Python 之 Pandas 文件操作和读取 CSV 参数详解
Python 之 Pandas merge() 函数、set_index() 函数、drop_duplicates() 函数和 tolist() 函数
Python 之 Pandas 处理字符串和apply() 函数、applymap() 函数、map() 函数详解
Lesson 8.1 决策树的核心思想与建模流程
Lesson 8.2 CART 分类树的建模流程与 sklearn 评估器参数详解
AcWing - 蓝桥杯集训每日一题(DAY 1——DAY 5)
Lesson 8.3 ID3、C4.5 决策树的建模流程 & Lesson 8.4 CART 回归树的建模流程与 sklearn 参数详解
Python 之 NumPy 简介和创建数组
Lesson 6.5 机器学习调参基础理论与网格搜索
动态规划-背包问题
Lesson 6.4 逻辑回归手动调参实验
Lesson 6.3 正则化与 sklearn 逻辑回归参数详解-2
Lesson 6.3 正则化与 sklearn 逻辑回归参数详解
Lesson 6.2 Scikit-Learn 常用功能介绍
Lesson 6.1 Scikit-Learn 快速入门
数学知识-约数
Lesson 5.3 ROC-AUC 的计算方法、基本原理与核心特性
Lesson 5.2 混淆矩阵与 F1-Score
数学知识-质数
Lesson 5.1 分类模型决策边界
Lesson 4.6 逻辑回归的手动实现
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-2
Lesson 4.5 梯度下降优化基础:数据归一化与学习率调度-1
搜索与图论-最小生成树(Prim 算法和 Kruskal 算法)
AcWing - 寒假每日一题2023(DAY 16——DAY 20)
Lesson 4.4 随机梯度下降与小批量梯度下降
Lesson 4.3 梯度下降(Gradient Descent)基本原理与手动实现-2
Lesson 4.3 梯度下降(Gradient Descent)基本原理与手动实现-1
AcWing - 寒假每日一题2023(DAY 11——DAY 15)
Lesson 4.2 逻辑回归参数估计:极大似然估计、相对熵与交叉熵损失函数-2
Lesson 4.2 逻辑回归参数估计:极大似然估计、相对熵与交叉熵损失函数-1
Lesson 4.1 逻辑回归模型构建与多分类学习方法-1
Lesson 4.1 逻辑回归模型构建与多分类学习方法
Lesson 3. 线性回归的手动实现(3.3 线性回归手动实现与模型局限 & 3.4 机器学习模型结果可信度理论与交叉验证基础)
Lesson 3. 线性回归的手动实现(3.1 变量相关性基础理论 & 3.2 数据生成器与 Python 模块编写)
Lesson 2. 矩阵运算基础、矩阵求导与最小二乘法-2
Lesson 2. 矩阵运算基础、矩阵求导与最小二乘法-1
Lesson 1. 线性回归模型的一般实现形式
机器学习的相关概念与建模流程
机器学习的相关软件框架下载安装-1
由数据范围反推算法复杂度以及算法内容
QT 学习笔记(十七)
QT 学习笔记(十五)
QT 学习笔记(十四)
QT 学习笔记(十三)
QT 学习笔记(十二)
QT 学习笔记(十一)
QT 学习笔记(十)