Category：MachineLearning

Home > MachineLearning > List

2019

2018

2018-12-30» sklearn: 教程
2018-12-23» [CS229] 18: Application Example OCR
2018-12-19» [CS229] 17: Large Scale Machine Learning
2018-12-17» Stanford deep learning
2018-12-15» [CS229] 16: Recommender Systems
2018-12-13» Outliner Detection
2018-12-11» [CS229] 15: Anomaly Detection
2018-12-09» tSNE分析
2018-12-07» ICA独立成分分析
2018-12-05» [CS229] 14: Dimensionality Reduction
2018-12-02» 深度学习
2018-11-29» [CS229] 13: Clustering
2018-11-25» [CS229] 12: Support Vector Machines
2018-11-23» 半监督学习
2018-11-20» [CS229] 11: Machine Learning System Design
2018-11-17» [CS229] 10: Advice for applying machine learning techniques
2018-11-13» [CS229] 09: Neural Networks - Learning
2018-11-11» 神经网络
2018-11-09» [CS229] 08: Neural Networks - Representation
2018-11-07» Confusion matrix
2018-11-04» [CS229] 07: Regularization
2018-11-01» sklearn: 数据集加载
2018-10-29» [CS229] 06: Logistic Regression
2018-10-25» [CS229] 04: Linear Regression with Multiple Variables
2018-10-23» [CS229] 03: linear alegbra
2018-10-21» [CS229] 01 and 02: Introduction, Regression Analysis and Gradient Descent
2018-10-16» [CS229] resource
2018-10-15» sklearn: 管道与特征联合
2018-10-12» Xgboost
2018-10-11» CS229 notes
2018-10-08» sklearn: 模型评估与选择
2018-10-05» 模型评估与选择
2018-09-30» sklearn: 缺失值插补
2018-09-27» sklearn: 数据预处理2
2018-09-25» sklearn: 数据预处理
2018-09-23» 降维与度量学习
2018-09-20» 自适应上升决策树、梯度提升决策树及aggregation方法
2018-09-17» 计算学习理论
2018-09-13» Google ML excercises
2018-09-10» 特征提取
2018-09-08» 利用SVD简化数据
2018-09-08» FP-growth算法来高效发现频繁项集
2018-09-05» Apriori关联分析
2018-09-02» K均值聚类算法
2018-08-30» 树回归算法
2018-08-27» 线性回归
2018-08-25» 集成算法和AdaBoost
2018-08-21» Python machine learning tricks
2018-08-18» 支持向量机
2018-08-10» 特征选择
2018-08-04» 判别生成模型、朴素贝叶斯、高斯判别分析
2018-08-01» 随机森林
2018-07-28» 决策树算法
2018-07-25» EM算法
2018-07-21» K-近邻算法
2018-07-18» 聚类算法
2018-07-05» sklearn: 官方例子
2018-05-25» Questions about ML
2018-05-22» Google ML rules
2018-03-06» Google machine learning

2019

2019-05-15» LSTM

2019-05-10» 稀疏编码

2019-05-08» U-net

2019-05-05» RNN

2019-04-29» CNN

2019-04-17» 机器学习roadmap

2019-04-07» GAN

2019-04-03» 深度学习调参技巧

2019-03-29» Auto encoder

2019-03-23» 【5-3】序列模型和注意力机制

2019-03-17» 【5-2】自然语言处理与词嵌入

2019-03-11» 【5-1】循环序列模型

2019-03-07» 【4-4】特殊应用：人脸识别和神经风格转换

2019-03-01» 【4-3】目标检测

2019-02-26» 【4-2】深度卷积网络：实例探究

2019-02-20» pytorch

2019-02-20» 【4-1】卷积神经网络

2019-02-17» 损失函数

2019-02-13» 【3-2】机器学习（ML）策略（2）

2019-02-09» 【3-1】机器学习（ML）策略（1）

2019-02-05» 【2-3】深度学习的超参数优化、batch归一化

2019-02-02» 【2-2】深度学习的算法优化

2019-01-29» keras

2019-01-27» 【2-1】深度学习的实践层面：数据集、正则化、梯度

2019-01-23» 【1-4】深层神经网络

2019-01-20» 【1-3】浅层神经网络

2019-01-17» 【1-2】神经网络的编程基础

2019-01-15» 强化学习

2019-01-12» 【1-1】深度学习引言

2019-01-10» 规则学习

2019-01-07» 概率图模型

2019-01-02» Softmax function

2018

2018-12-30» sklearn: 教程

2018-12-23» [CS229] 18: Application Example OCR

2018-12-19» [CS229] 17: Large Scale Machine Learning

2018-12-17» Stanford deep learning

2018-12-15» [CS229] 16: Recommender Systems

2018-12-13» Outliner Detection

2018-12-11» [CS229] 15: Anomaly Detection

2018-12-09» tSNE分析

2018-12-07» ICA独立成分分析

2018-12-05» [CS229] 14: Dimensionality Reduction

2018-12-02» 深度学习

2018-11-29» [CS229] 13: Clustering

2018-11-25» [CS229] 12: Support Vector Machines

2018-11-23» 半监督学习

2018-11-20» [CS229] 11: Machine Learning System Design

2018-11-17» [CS229] 10: Advice for applying machine learning techniques

2018-11-13» [CS229] 09: Neural Networks - Learning

2018-11-11» 神经网络

2018-11-09» [CS229] 08: Neural Networks - Representation

2018-11-07» Confusion matrix

2018-11-04» [CS229] 07: Regularization

2018-11-01» sklearn: 数据集加载

2018-10-29» [CS229] 06: Logistic Regression

2018-10-25» [CS229] 04: Linear Regression with Multiple Variables

2018-10-23» [CS229] 03: linear alegbra

2018-10-21» [CS229] 01 and 02: Introduction, Regression Analysis and Gradient Descent

2018-10-16» [CS229] resource

2018-10-15» sklearn: 管道与特征联合

2018-10-12» Xgboost

2018-10-11» CS229 notes

2018-10-08» sklearn: 模型评估与选择

2018-10-05» 模型评估与选择

2018-09-30» sklearn: 缺失值插补

2018-09-27» sklearn: 数据预处理2

2018-09-25» sklearn: 数据预处理

2018-09-23» 降维与度量学习

2018-09-20» 自适应上升决策树、梯度提升决策树及aggregation方法

2018-09-17» 计算学习理论

2018-09-13» Google ML excercises

2018-09-10» 特征提取

2018-09-08» 利用SVD简化数据

2018-09-08» FP-growth算法来高效发现频繁项集

2018-09-05» Apriori关联分析

2018-09-02» K均值聚类算法

2018-08-30» 树回归算法

2018-08-27» 线性回归