Tutorials zum maschinellen lernen

Auf dieser Seite sind alle auf Statorials verfügbaren Tutorials zum maschinellen Lernen aufgeführt.

Einführung in maschinelles Lernen
Überwachtes oder unbeaufsichtigtes Lernen
Regressions- und Klassifizierungsalgorithmen
Der Bias-Varianz-Kompromiss

Lineare Regression
Einfache lineare Regression ( R , Python )
Multiple lineare Regression ( R , Python )

Einstufung
Logistische Regression (R, Python )
Lineare Diskriminanzanalyse ( R , Python )
Quadratische Diskriminanzanalyse ( R , Python )

So beurteilen Sie die Angemessenheit des Modells
Was ist Überanpassung?
Leave-One-Out-Kreuzvalidierung ( R , Python )
K-Fold-Kreuzvalidierung ( R , Python )

Modellauswahl
Beste Teilmengenauswahl
Schrittweise Auswahl ( R )

Regulierung
Ridge-Regression ( R , Python )
Lasso-Regression ( R , Python )

Dimensionsreduzierung
Hauptkomponentenregression (R , Python )
Partielle kleinste Quadrate ( R , Python )

Erweiterte Regressionsmodelle
Polynomielle Regression ( R , Python )
Multivariate adaptive Regressionssplines ( R , Python)

Baumbasierte Methoden
Klassifizierungs- und Regressionsbäume ( R )
Absacken ( R )
Zufällige Wälder ( R )
Boosten ( R )

Unbeaufsichtigtes Lernen
Hauptkomponentenanalyse in R
K-Means-Clustering in R
K-Medoide häufen sich in R