Zelfstudies over machinaal leren

Op deze pagina vindt u alle machine learning-tutorials die beschikbaar zijn op Statorials.

Inleiding tot machinaal leren
Begeleid of onbewaakt leren
Regressie- en classificatie-algoritmen
De afweging tussen bias en variantie

Lineaire regressie
Eenvoudige lineaire regressie ( R , Python )
Meerdere lineaire regressie ( R , Python )

Classificatie
Logistieke regressie (R, Python )
Lineaire discriminantanalyse ( R , Python )
Kwadratische discriminantanalyse ( R , Python )

Hoe de geschiktheid van modellen te beoordelen
Wat is overfitting?
Leave-One-Out kruisvalidatie ( R , Python )
K-voudige kruisvalidatie ( R , Python )

Modelselectie
Beste subsetselectie
Stapsgewijze selectie ( R )

Regularisatie
Ridge-regressie ( R , Python )
Lasso-regressie ( R , Python )

Dimensionale reductie
Regressie van hoofdcomponenten (R , Python )
Gedeeltelijke kleinste kwadraten ( R , Python )

Geavanceerde regressiemodellen
Polynomiale regressie ( R , Python )
Multivariate adaptieve regressiesplines ( R , Python)

Op bomen gebaseerde methoden
Classificatie- en regressiebomen ( R )
Opzakken ( R )
Willekeurige bossen ( R )
Stimuleren ( R )

Ongecontroleerd leren
Hoofdcomponentenanalyse in R
K-betekent clustering in R
K-Medoids clusteren in R