人工智能——机器学习与深度学习思维导图
发布时间
阅读量：
阅读量
目录
0 综述
1 基本模型
1.1 回归
1.2 决策树与随机森林
1.3 SVM
1.4 最大熵与EM算法
2 特征工程
2.1 特征工程
2.2 多算法组合与模型最优
3 工业实践
3.1 Sklearn与机器学习实战
3.2 高级工具库xgboost/LightGBM与建模实战
3.3 推荐系统原理与应用
3.4 聚类算法
4 深入机器学习
4.1 贝叶斯网络
4.2 隐马可夫链HMM
4.3 主题模型LDA
5 迈入深度学习
5.1 深度学习初步
5.2 卷积神经网络与计算机视觉
5.3 循环神经网络与应用
5.4 深度学习框架与应用
0 综述
====
1 基本模型
======
1.1 回归
1.2 决策树与随机森林
1.3 SVM
1.4 最大熵与EM算法
2 特征工程
=======
2.1 特征工程
2.2 多算法组合与模型最优
3 工业实践
=======
3.1 Sklearn与机器学习实战
3.2 高级工具库xgboost/LightGBM与建模实战
3.3 推荐系统原理与应用
全部评论 (0)
还没有任何评论哟~