Py学习  »  机器学习算法

讲透200个机器学习模型,XGBoost、LSTM、Transformer ... !!

机器学习和人工智能AI • 1 月前 • 90 次点击  

哈喽,大家好~

前一段时间,我们的200个算法模型更新完毕!

内容超级丰富!

基础模型就好比AI的底层根基,底子扎实了,后续各类AI应用才能做得靠谱好用。

没有优质的基础模型托底,不管是智能对话还是行业工具,效果都很难达到理想状态。

它先把通用的知识和能力学扎实,后续针对不同场景优化就会轻松很多。强大的基础模型适配性广,能服务各行各业,不用再从零单独训练模型。基础模型的实力直接框定了AI产品的上限,算得上是人工智能领域最核心的支撑。

在这里,我们给大家准备的每一个算法,我们会从 5 方面进行讲解帮助大家理解:

  • 简单举例说明
  • 原理详解
  • 完整案例代码
  • 优缺点和适用场景
  • 与类似算法对比

也就是,会从方方面面进行对比,供大家学习。

整个内容,我们会给到飞书、PDF供大家学习。

涉及到 21 个方面:

希望带给大家两个有价值的方面:

  1. 知识价值,有价值的内容,高质量的干货,给读者带来知识层面的价值;
  2. 精神价值,大家看到我坚持学习并持续产出,对于知识的态度,希望带给越来越多精神价值给读者朋友。

在一定程度上,希望努力被人看到,感染到读者朋友们,同样重要。一起加油!~~

小报童

目前,已经超3000读者!

优惠券后,到手49.9。

相当于,学习一个模型的成本是0.25元,可是模型本身的价值无法衡量。

后续,人数越来越多,为了更好的服务大家,价格逐步上涨~

长按图片,查看专栏:

200个算法模型列表

1. 回归算法

  • 线性回归
  • Ridge回归
  • Lasso回归
  • 弹性网络回归
  • 多项式回归
  • 支持向量回归
  • 决策树回归
  • 随机森林回归
  • 梯度提升回归
  • 贝叶斯回归
  • K近邻回归
  • 高斯过程
  • 广义线性模型
  • 多项式核回归
  • 局部加权回归

2. 分类算法

  • 逻辑回归
  • 决策树
  • ID3
  • C4.5
  • 随机森林
  • 支持向量机
  • K近邻
  • 朴素贝叶斯
  • XGBoost
  • LightGBM
  • 高斯混合模型
  • 多层感知机分类器

3. 集成算法

  • 袋装法Bagging
  • 提升法
  • 堆叠
  • 投票法
  • 极端随机森林
  • 梯度提升
  • 随机森林
  • Adaboost
  • XGBoost
  • 梯度提升决策树
  • LightGBM

4. 概率分布

  • 正态分布
  • 均匀分布
  • 二项分布
  • 泊松分布
  • 指数分布
  • 几何分布
  • 伽玛分布
  • 卡方分布
  • t分布
  • 伯努利分布
  • 多项分布
  • Beta分布
  • Dirichlet分布

5. 统计检验方法

  • t检验
  • 卡方检验
  • 方差分析
  • 非参数检验
  • F检验
  • 贝叶斯检验
  • 皮尔逊相关系数检验
  • 正态性检验
  • 方差齐性检验

6. 特征选择方法

  • 方差阈值法
  • 单变量特征选择
  • 基于树模型的特征选择
  • L1 正则化
  • L2 正则化
  • 嵌入法
  • 主成分分析
  • 相关系数法
  • 信息增益
  • 互信息法

7. 降维技术

  • 主成分分析
  • 线性判别分析
  • 独立成分分析
  • 因子分析
  • 局部线性嵌入
  • Isomap
  • 奇异值分解
  • t-SNE
  • UMAP
  • 核PCA
  • 多维尺度分析(MDS)

8. 优化算法

  • 梯度下降法
  • 批量梯度下降法
  • 随机梯度下降
  • 动量法
  • AdaGrad
  • RMSProp
  • Adam
  • 牛顿法
  • 共轭梯度法
  • BFGS
  • 超参数优化
  • 贝叶斯优化
  • 网格搜索

9. 聚类算法

  • K-means
  • 层次聚类
  • DBSCAN
  • GMM
  • 均值漂移
  • 谱聚类
  • Mini-Batch K-means
  • Birch
  • 模糊C均值
  • 期望最大化算法

10. 强化学习算法

  • Q-learning
  • SARSA

11. 数据预处理方法

  • 数据标准化
  • 数据归一化
  • 类别编码
  • 特征选择
  • 特征缩放
  • 特征构造
  • 降维
  • 数据增强
  • 数据平衡
  • 数据编码
  • 数据拆分
  • 数据转换

12. 时间序列分析方法

  • 自回归
  • 移动平均
  • 自回归滑动平均
  • 自回归积分滑动平均
  • 向量自回归
  • 向量自回归滑动平均
  • Prophet
  • Holt-Winters
  • LSTM时间序列
  • 时间序列的XGBoost模型

13. 核方法

  • 核函数
  • 线性核
  • 多项式核
  • 高斯核
  • 拉普拉斯核
  • Sigmoid核
  • ANOVA核
  • 多核学习
  • 谱核

14. 损失函数

  • 均方误差
  • 均方根误差
  • 平均绝对误差
  • 交叉熵损失
  • 二元交叉熵损失
  • 平方合页损失
  • 对数似然损失
  • Huber 损失
  • KL 散度
  • 余弦相似性损失

15. 正则化方法

  • 正则化
  • 弹性网络正则化

16. 信息论

  • 相对熵
  • 互信息
  • 交叉熵
  • 信息增益

17. 机器学习模型评估方法

  • 交叉验证
  • 混淆矩阵
  • 准确率
  • 精确率
  • 召回率
  • F1 分数
  • ROC 曲线
  • AUC
  • 均方误差

18. 归一化方法

  • 最小-最大缩放
  • 数据标准化
  • 最大绝对值缩放
  • 数据归一化
  • Z-score 标准化
  • 分位数缩放
  • 二值化
  • 对数变换
  • 平方根变换
  • Box-Cox 变换

19. 参数估计方法

  • 最大似然估计
  • 贝叶斯估计
  • 最小二乘估计
  • 最小化均方误差
  • EM算法

20. 异常值处理方法

  • 分箱法处理
  • 均值填充
  • 中位数填充
  • 剪尾法
  • 标准差法
  • Z-Score 标准化
  • IQR(四分位距)法
  • 箱线图分析
  • 聚类法

21. 神经网络

  • 感知机
  • 多层感知机
  • 人工神经网络
  • 卷积神经网络
  • 循环神经网络
  • 长短期记忆网络
  • 门控循环单元
  • 生成对抗网络
  • 自编码器
  • 注意力机制
  • Transformer
  • 残差网络
  • DenseNet
  • AlexNet

Python社区是高质量的Python/Django开发社区
本文地址:http://www.python88.com/topic/198171