一些常用的机器学习算法实现
Posted 日常分享Python
tags:
篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了一些常用的机器学习算法实现相关的知识,希望对你有一定的参考价值。
目录
1. 概率统计中常见概念总结
-
总体均值、总体方差
-
样本均值、样本方差
-
无偏估计、有偏估计
-
样本标准差
-
样本协方差、协方差矩阵
2. 一些常用的机器学习算法理论及实现
算法理论包括:
- 《统计学习方法》学习总结
算法实现包括:
-
Apriori 算法
-
DesicionTree 算法
-
HMM模型 Viterbi 算法
-
针对文本分类的 NaiveBayes 算法
-
针对文本分类的 LogisticRegression 算法
-
线性回归算法:
-
标准的线性回归
-
局部加权线性回归
-
岭回归
-
结果示例:
3. 一些常用的机器学习框架
框架包括:
-
Keras
-
TensorFlow
-
sklearn
项目包括:
机器学习原理项目实战
-
房价预测案例;数据集探索
熟悉机器学习领域的经典算法、模型及实现的任务等,同时学习搭建和配置机器学习环境,并学会用线性回归解决一个实际问题。
-
房价预测案例
用Logistic回归、神经网络和SVM等分类器实现商品分类;比较不同模型以及不同参数下SVM(不同正则参数和核函数)的性能,体会各模型的特点。
-
电商商品分类案例
学习Boosting集成思想及基于树的集成算法,通过XGBoost 实现电商商品分类项目,学习复杂模型参数调优。
-
人脸图像特征提取:PCA、ICA、NFM。电商用户聚类案例
学习用降维技术对高维特征进行降维,并通过两个实战案例学会使用非监督学习算法完成相关任务。
-
商品推荐案例
学会常用数据预处理方法及特征编码方法;学习特征工程的一般处理原则;组合各种特征工程技术和机器学习算法实现推荐系统。
深度学习及实战项目强化训练
-
Mnist手写数字识别
熟悉神经网络领域的常用术语、安装并配置深度学习框架Tensorflow,学会用Tensorflow解决一个实际问题。
-
用CNN实现手写数字识别(Mnist数据集);验证码识别
用Logistic回归、神经网络和SVM等分类器实现商品分类;比较不同模型以及不同参数下SVM(不同正则参数和核函数)的性能,体会各模型的特点。
-
20种分类/11530张图像数据集:图像检测任务
学习图像分类任务及检测任务目前主要模型算法,并通过两个实战案例学习在Tensorflow框架下训练CNN模型。
-
33万张图像数据集:图像语义分割任务
学习主流图像分割模型,并通过实战案例学习在Tensorflow框架下训练和调优CNN模型。
-
CNN+RNN实现写诗机器人
学习循环神经网络的原理及应用,并通过实战案例学习在Tensorflow框架下训练和调优CNN+RNN模型。
四个工业级实战项目
-
自然语言处理:文本分类。根据企业的注册、投资及经营范围等相关信息,对企业进行分类,为企业的估值提供参考。
-
广告点击率预测(CTR)预测用户浏览给定网页的广告点击率,提高广告投放精准度。
-
车辆检测及型号识别——用深度学习方法从图片中检测车辆并识别其型号。
-
看图说话机器人——用计算机视觉和深度学习方法分析图片内容,并对图片自动生成文字描述。
❀微信扫一扫关注公众号加入学习交流技术解答小天地+q裙:881744585❀
以上是关于一些常用的机器学习算法实现的主要内容,如果未能解决你的问题,请参考以下文章