大纲
- 提升
- Adaboost
- 加法模型
- xgboost
- SVM
- 软间隔
- 损失函数
- 核函数
- SMO算法
- libSVM
- 聚类
- K-Means
- 并查集
- K-Medoids
- 聚谱类SC
- EM算法
- Jensen不等式
- 混合高斯分布
- pLSA
- 主题模型
- 共轭先验分布
- 贝叶斯
- 停止词和高频词
- TF-IDF
- 词向量
- word2vec
- n-gram
- HMM
- 前向/后向算法
- Baum-Welch
- Viterbi
- 中文分词
- 数据计算平台
- Spark
- Caffe
- Tensorflow
本文概览了多种核心机器学习算法,包括Adaboost、XGBoost、SVM及其优化方法,介绍了聚类算法如K-Means和K-Medoids,并探讨了EM算法和混合高斯模型等概率模型。此外还涉及了文本处理技术如TF-IDF和词向量。
8581
1501
984

被折叠的 条评论
为什么被折叠?