本文深入探讨了机器学习领域的关键概念和技术，包括熵、增益率等信息论基础，贝叶斯分类器及其朴素实现，以及多种回归算法如线性回归、核回归等。此外还涉及了模型评估方法如交叉验证，和优化技术如动量方法。
墒
增益
增益率
贝叶斯分类器
朴素贝叶斯
分布规则
高斯分布
MLE
线性回归
线性感知器
线性感知激活
动量方法
交叉验证
最近邻
k邻近
核回归（近邻加权）
局部加权（拟合加权）
高斯混合假设
马尔科夫
描述
三问题
前向迭代层次计算解决概率计算
维比特算法动态规划记录最佳路径
模型学习EM算法
扫一扫
评论
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
查看更多评论
添加红包
