求真分享 http://blog.sciencenet.cn/u/zlyang 求真务实

博文

机器学习常用方法网址(第一批汇集)

已有 864 次阅读 2019-9-28 19:06 |个人分类:风电功率预测|系统分类:科研笔记| Machine, Learning, 经典, 学习, 算法, Machine, Machine, Machine

机器学习常用方法网址(第一批汇集)

          

(1)2016-09-26,30分钟学会用scikit-learn的基本回归方法(线性、决策树、SVM、KNN)和集成方法(随机森林,Adaboost和GBRT)
https://blog.csdn.net/u010900574/article/details/52666291
     竟然KNN这个计算效能最差的算法效果最好
         
(2)2018-12-26,机器学习的几种方法(knn,逻辑回归,SVM,决策树,随机森林,极限随机树,集成学习,Adaboost,GBDT)
https://blog.csdn.net/fanzonghao/article/details/85260775
         
(3) 2018-02-13,Machine Learning: 十大机器学习算法
https://zhuanlan.zhihu.com/p/33794257
            
(4)2018-12-28,机器学习 – machine learning | ML
https://easyai.tech/ai-definition/machine-learning/
15种经典机器学习算法

算法训练方式
线性回归监督学习
逻辑回归监督学习
线性判别分析监督学习
决策树监督学习
朴素贝叶斯监督学习
K邻近监督学习
学习向量量化监督学习
支持向量机监督学习
随机森林监督学习
AdaBoost监督学习
高斯混合模型非监督学习
限制波尔兹曼机非监督学习
K-means 聚类非监督学习
最大期望算法非监督学习

            

(5)2017-06-01,深度学习笔记——基于传统机器学习算法(LR、SVM、GBDT、RandomForest)的句子对匹配方法
https://blog.csdn.net/mpk_no1/article/details/72836042
     从准确率上来看,随机森林的效果最好。时间上面,SVM耗时最长。
                    
(6)2016-08-04,8种常见机器学习算法比较
https://www.leiphone.com/news/201608/WosBbsYqyfwcDNa4.html
     通常情况下:【GBDT>=SVM>=RF>=Adaboost>=Other…】
                      
(7)2016-07-21,各分类方法应用场景 逻辑回归,支持向量机,随机森林,GBT,深度学习
https://www.quora.com/What-are-the-advantages-of-different-classification-algorithms
         
(8)2018-12-10,LR、SVM、RF、GBDT、XGBoost和LightGbm比较
https://www.cnblogs.com/x739400043/p/10098659.html
       
(9)2018-03-07,机器学习(三十六)——XGBoost, LightGBM, Parameter Server
https://antkillerfarm.github.io/ml/2018/03/07/Machine_Learning_36.html
       
(10)2019-07-29,深度学习(三十七)——CenterNet, Anchor-Free, NN Quantization
https://blog.csdn.net/antkillerfarm/article/details/97623139
                  
(11)2019-05-13,机器学习该怎么入门?
https://www.zhihu.com/question/20691338
         
(12)2018-12-28,机器学习、人工智能、深度学习是什么关系?
https://easyai.tech/ai-definition/machine-learning/
              
(13)2019-09-27,机器学习
https://www.zhihu.com/topic/19559450/hot
2019-09-26, ALBERT  A Lite BERT for Self-supervised Learning of Language Representations
https://arxiv.org/abs/1909.11942
         
(14)2016,机器学习 Machine-Learning
https://github.com/JustFollowUs/Machine-Learning
          
(15)Bradley Efron, Trevor Hastie, 2016-08, Computer Age Statistical Inference: Algorithms, Evidence and Data Science
https://web.stanford.edu/~hastie/CASI/
        
(16)2019-06-05,张钹院士:人工智能技术已进入第三代
https://blog.csdn.net/cf2SudS8x8F0v/article/details/90986936

                             
相关链接:
[1] 2016-09-01,支持向量机 Support Vector Machine 程序网址
http://blog.sciencenet.cn/blog-107667-1000087.html
[2] 2016-09-01,Crosswavelet and Wavelet Coherence 小波分析的程序网址
http://blog.sciencenet.cn/blog-107667-1000091.html
[3] 2019-07-27,威布尔分布 Weibull Distribution 资源网页搜集
http://blog.sciencenet.cn/blog-107667-1191323.html
[4] 2016-09-01,极限学习机 Extreme Learning Machines (ELM) 程序网址
http://blog.sciencenet.cn/blog-107667-1000094.html
[5] 2019-09-27,极值分布 Extreme Values Distribution 相关网页
http://blog.sciencenet.cn/blog-107667-1199726.html
[6] 2019-09-22,模糊数学:扎德“解模糊”、卡尔曼“模糊化”(博文网页汇集)
http://blog.sciencenet.cn/blog-107667-1199064.html
[7] 2018-08-26,估计 Largest Lyapunov exponent 的 matlab 程序搜集(网址)
http://blog.sciencenet.cn/blog-107667-1131215.html
[8] 2018-08-18,“大数据”时期,更渴望“小样本数理统计学”
http://blog.sciencenet.cn/blog-107667-1129894.html
[9] 2017-07-11,布拉德利·埃弗龙(Bradley Efron):2005年美国国家科学奖章得主(统计学)
http://blog.sciencenet.cn/blog-107667-1065714.html

                                                                      

感谢您的指教!

感谢您指正以上任何错误!

感谢您提供更多的相关资料!



http://blog.sciencenet.cn/blog-107667-1199884.html

上一篇:路上随拍(2)(北洋园新校区院内):卡片机傻拍2019(168)
下一篇:大吊车(北洋园):卡片机傻拍2019(169)

4 郑永军 伍赛特 刘炜 张忆文

该博文允许注册用户评论 请点击登录 评论 (3 个评论)

数据加载中...

Archiver|手机版|科学网 ( 京ICP备14006957 )

GMT+8, 2019-10-19 21:16

Powered by ScienceNet.cn

Copyright © 2007- 中国科学报社

返回顶部