1. 监督学习
April 1, 2020 · View on GitHub
- 1.1. 广义线性模型
- 1.1.1. 普通最小二乘法
- 1.1.2. 岭回归
- 1.1.3. Lasso
- 1.1.4. 多任务 Lasso
- 1.1.5. 弹性网络
- 1.1.6. 多任务弹性网络
- 1.1.7. 最小角回归
- 1.1.8. LARS Lasso
- 1.1.9. 正交匹配追踪法（OMP）
- 1.1.10. 贝叶斯回归
- 1.1.11. logistic 回归
- 1.1.12. 随机梯度下降， SGD
- 1.1.13. Perceptron（感知器）
- 1.1.14. Passive Aggressive Algorithms（被动攻击算法）
- 1.1.15. 稳健回归（Robustness regression）: 处理离群点（outliers）和模型错误
- 1.1.16. 多项式回归：用基函数展开线性模型
- 1.2. 线性和二次判别分析
- 1.3. 内核岭回归
- 1.4. 支持向量机
- 1.5. 随机梯度下降
- 1.6. 最近邻
- 1.7. 高斯过程
- 1.8. 交叉分解
- 1.9. 朴素贝叶斯
- 1.10. 决策树
- 1.11. 集成方法
- 1.12. 多类和多标签算法
- 1.13. 特征选择
- 1.14. 半监督学习
- 1.15. 等式回归
- 1.16. 概率校准
- 1.17. 神经网络模型（有监督）