Samouczki dotyczące uczenia maszynowego
Na tej stronie znajdują się wszystkie samouczki dotyczące uczenia maszynowego dostępne w Statorials.
Wprowadzenie do uczenia maszynowego
Uczenie się pod nadzorem lub bez nadzoru
Algorytmy regresji i klasyfikacji
Kompromis odchylenia i wariancji
Regresja liniowa
Prosta regresja liniowa ( R , Python )
Wielokrotna regresja liniowa ( R , Python )
Klasyfikacja
Regresja logistyczna (R, Python )
Liniowa analiza dyskryminacyjna ( R , Python )
Kwadratowa analiza dyskryminacyjna ( R , Python )
Jak ocenić adekwatność modelu
Co to jest nadmierne dopasowanie?
Walidacja krzyżowa typu Leave-One-Out ( R , Python )
Walidacja krzyżowa K-Fold ( R , Python )
Wybór modelu
Najlepszy wybór podzbioru
Wybór krokowy ( R )
Regularyzacja
Regresja grzbietu ( R , Python )
Regresja Lasso ( R , Python )
Redukcja wymiarowa
Regresja głównych składników (R , Python )
Częściowe najmniejsze kwadraty ( R , Python )
Zaawansowane modele regresji
Regresja wielomianowa ( R , Python )
Wielowymiarowe krzywe regresji adaptacyjnej ( R , Python)
Metody oparte na drzewach
Drzewa klasyfikacji i regresji ( R )
Pakowanie ( R )
Losowe lasy ( R )
Wzmocnienie ( R )
Uczenie się bez nadzoru
Analiza głównych składowych w R
Grupowanie K-średnich w R
Klaster K-Medoids w R