# 機器學習

分類算法1. 簡介2. 應用3. 聚類和分類算法的差別4. 分類分析算法選擇5. 分類評估6. 分類評估報告api
人工智能 # 機器學習 # Python 機器學習 Python 分類算法
08-07
連續變量分箱1.變量分箱對模型的好處2.分箱的局限3.變量分箱要注意的問題4.變量分箱的流程5.卡方分箱6.KS分箱7.混淆矩陣概念複習8.最優IV分箱9.基于樹的最優分箱方法10.分箱架構源碼（卡方、最優IV、資訊增益）
# 金融風控 # 機器學習 # 資料挖掘
08-07
學習筆記 | 模型評估的方法
# 機器學習模型評估的方法
08-06
boxplot 箱線圖剔除離群值
# Python # 機器學習
08-06
機器學習聚類問題
# 機器學習機器學習聚類輪廓系數
08-04
機器學習 jupyter Python 監督學習決策樹安裝graphviz畫圖工具
# 機器學習決策樹 Python
08-03
斯坦福機器學習筆記（七）——高斯混合模型與EM算法前記一高斯混合模型二 Jessen不等式三 EM算法四再看高斯混合模型
# 機器學習高斯混合模型 GMM EM算法機器學習吳恩達
08-01
機器學習（五）：樸素貝葉斯算法（非連續變量實戰）機器學習（五）：樸素貝葉斯算法（非連續變量實戰）
# 機器學習樸素貝葉斯算法實戰機器學習樸素貝葉斯機器學習樸素貝葉斯算法實戰樸素貝葉斯
07-31
Numpy基礎與執行個體——人工智能基礎一、Numpy概述二、numpy基礎
# 機器學習 numpy 人工智能 Python
07-20
❤️解決非線性回歸問題的機器學習方法總結：多項式線性模型、廣義線性(GAM)模型、回歸樹模型、支援向量回歸(SVR)模型前言
# 機器學習非線性回歸問題 GAM模型回歸樹模型 SVR模型多項式線性回歸模型
07-18
Python 第三方子產品機器學習 Scikit-Learn子產品模型的選擇與評估
# 資料分析 # 機器學習 # Python Python 機器學習模型選擇模型檢驗性能名額
07-16
1.3 飛槳開源深度學習平台介紹深度學習架構飛槳開源深度學習平台
# 機器學習
07-02
機器學習（四）：C4.5決策樹（基礎篇）機器學習（四）：C4.5決策樹（基礎篇）
# 機器學習機器學習決策樹決策樹 C4.5決策樹 C4.5 決策樹源代碼
06-25
Linear regression with one variable - Model representation
人工智能 # 機器學習 machine learning Linear regression with one var Andrew Ng
06-24
Linear Algebra review - Matrices and vectors
人工智能 # 機器學習 machine learning Linear algebra review Andrew Ng
06-23
機器學習中常見的動态圖和靜态圖
# 機器學習 tensorflow 深度學習
06-19
機器學習（6）--支援向量機SVM
# 機器學習核函數 SVM 支援向量機機器學習吳恩達
06-19
樸素貝葉斯分類算法(Naive Bayesian classification)機器學習（分類算法） and 十大算法：樸素貝葉斯分類 0、寫在前面的話1.1、摘要1.2、分類問題綜述1.3、貝葉斯分類的基礎——貝葉斯定理1.4、樸素貝葉斯分類1.5、分類器的評價
# 機器學習十大算法分類算法樸素貝葉斯算法 Naive Bayesian class
06-18
Clustering - Unsupervised learning introduction
人工智能 # 機器學習
06-17
線性回歸-正規方程(解析解)
# 機器學習
06-14