机器学习（理论）
关注
分享
扫一扫
文章平均质量分 88
针对常用的机器学习方法的文章
浩瀚之水_csdn
路漫漫其修远兮,吾将上下而求索,立刻行动,坚持,努立
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
标签缺失概念解析
在机器学习任务中，标签缺失（Missing Labels）是常见的数据挑战，尤其在多标签分类、目标检测或半监督学习场景中。原创 2025-05-22 14:35:15 · 301 阅读 · 0 评论 -
【机器学习】过拟合与欠拟合的综合解析
将模型在训练数据上拟合的比在潜在分布中更接近的现象称为过拟合（overfitting）， 将模型在训练数据上拟合的比在潜在分布中更接近的现象称为过拟合（overfitting）， 用于对抗过拟合的技术称为正则化（regularization）。原创 2025-05-08 08:07:35 · 498 阅读 · 0 评论 -
【机器学习】K均值聚类：从理论到实战深度解析
K均值聚类（K-Means Clustering）是最经典的无监督学习算法之一，以距离度量和迭代优化为核心，广泛应用于数据分组、模式发现等场景。原创 2025-05-06 17:09:19 · 143 阅读 · 0 评论 -
【机器学习】随机森林：深度解析与应用指南
随机森林（Random Forest）是集成学习中的经典算法，通过组合多棵决策树实现高精度与强鲁棒性。原创 2025-04-29 16:52:25 · 446 阅读 · 0 评论 -
【机器学习】逻辑回归：原理、公式与应用详解
逻辑回归（Logistic Regression）是机器学习中最经典的分类算法，虽然名称含“回归”，但实际用于解决二分类问题（可扩展至多分类），广泛应用于金融风控、医疗诊断等领域。原创 2025-04-28 09:00:25 · 376 阅读 · 0 评论 -
【机器学习】决策树：原理、构建与实战详解
决策树（Decision Tree）是一种基于树形结构的监督学习算法，通过递归划分数据完成分类或回归任务。其核心思想是模拟人类决策过程，以直观的规则集描述数据规律，适用于可解释性要求高的场景。原创 2025-04-27 10:58:03 · 240 阅读 · 0 评论 -
【机器学习】线性回归：原理、公式与应用详解
线性回归（Linear Regression）是机器学习中最基础的监督学习算法，核心思想是通过线性方程拟合输入特征与连续型目标变量之间的关系，广泛应用于预测、分析和特征重要性评估。原创 2025-04-26 07:14:34 · 369 阅读 · 0 评论 -
机器学习中最常用的方法和技术
机器学习中最常用的方法和技术，涵盖监督学习、无监督学习、深度学习、集成学习等方向，适用于分类、回归、聚类、降维、推荐等任务原创 2025-04-25 21:19:46 · 84 阅读 · 0 评论