分类： machine-leaning-articles-zh

S05L07 – 作业解决方案和独热编码 – 第01部分

S05L08 – 作业解决方案与独热编码 – 第二部分

S06L01 – 线性回归的工作原理与成本函数

S06L02 – Python中线性回归的实现 – 第1部分

S06L03 – Python 中线性回归的实现 – 第2部分

S07L01 – Python中的多元线性回归

S07L02 – 多元线性回归幕后解析 – 第一部分

S07L03 – 多元线性回归幕后解析 – 第2部分

S08L01 – 多项式回归

S08L02 – 多特征数据集上的多项式回归

S09L01 – 偏差、方差与过拟合

S09L02 – 梯度下降 – 背景

S09L03 – 二维和三维空间中的梯度下降

S10L01 – 测量熵和基尼

S10L02 – 决策树实现 – 1个特征

S10L03 – 决策树模型的可视化

S10L04 – 决策树实现 – 多特征

S11L01 – 集成学习

S11L02 – 随机森林

S12L01 – 装袋法

S12L02 – 提升

S13L01 – AdaBoost 和 XGBoost 回归器

S14L01 – 支持向量机（回归）背景

S14L02 – Python下的SVR

S15L01 – R平方