本文涵盖了机器学习中的核心概念，包括极大似然估计、Knn算法、性能指标（如Precision、Recall、AP、MAP、IOU）、概率统计（期望、方差、协方差、标准差）、高斯分布、朴素贝叶斯、SVM算法、欧氏空间与希尔伯特空间、结构风险最小化、EM算法、AUC和ROC曲线、语义分割以及度量学习的介绍，是深入理解机器学习的入门指南。
1.极大似然估计：极大似然估计思想的最简单解释
2.Knn算法 ：机器学习系列之——Knn算法 kd树详解
3.Precision、Recall、AP、MAP、IOU：性能指标（模型评估）
理解IOU、precision、recall、AP、mAP的含义
4. 期望， 方差， 协方差，标准差：期望， 方差， 协方差，标准差
5.高斯分布：正态分布（高斯分布）
6.朴素贝叶斯算法：数据挖掘领域十大经典算法之—朴素贝叶斯算法（超详细附代码）
7.svm算法解析：数据挖掘领域十大经典算法之—SVM算法（超详细附代码）
8.欧式空间、希尔伯特空间：欧几里得空间与希尔伯特空间
10.EM算法：从最大似然到EM算法浅解
11.AUC,ROC:AUC，ROC我看到的最透彻的讲解
12.语义分割：十分钟看懂语义分割技术【转载】
13.度量学习：Metric Learning——度量学习
14.
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
