深度学习 神经网络
-
- 自适应提升与梯度提升
-
- 模型压缩技术：剪枝、量化和蒸馏
-
- 【机器学习】梯度下降：Gradient Descent
-
- 朴素贝叶斯（Naive Bayes）算法理论与实践
-
- 三、中文分类机器学习解决方案
-
- 一文讲透神经网络的激活函数
-
- Python机器学习4-线性规划手撕SVM
-
- Task06:基于图神经的图表示学习方法
-
- 推荐系统中的Embedding
-
- [动手学深度学习-PyTorch版]-7.2优化算法-梯度下降和
-
- 图像处理之双边滤波算法
-
- Python NLTK自然语言处理1-文本操作
-
- 机器学习泛化能力评测指标
-
- 集成学习
-
- 特征提取模块
-
- 线性回归和逻辑回归的极大似然估计
-
- HMM
-
- 常见分析方法 | PCA、PCoA和NMDS有什么区别？
-
- R机器学习：分类算法之K最邻进算法（KNN）的原理与实现
-
- L1、L2正则化
-
- 【算法】异常检测
-
- 机器学习：12. SVM支持向量机（下）
-
- 机器学习：11. SVM支持向量机（上）
-
- 机器学习：10. 聚类算法KMeans
-
- 深度学习训练前的探索性数据分析工作
-
- python基础-列表 元组 集合 字典区别和用法
-
- CNN
-
- 机器学习：02.sklearn-回归
-
- 机器学习-贝叶斯分类和朴素贝叶斯
-
- 目标检测算法中的真实框、预测框和锚框
-
- 【机器学习】决策树（下）——XGBoost、LightGBM（非
-
- 机器学习：01.sklearn-决策树
-
- 一文归纳Ai调参炼丹之法
-
- 教你用Python来计算偏差-方差权衡
-
- 深度学习目标检测算法中的锚框(Anchor Box)是什么？
-
- 【译】理解LSTM（通俗易懂版）
-
- 谈谈机器学习模型的部署
赛车的疯狂
