机器学习教程 | Geeks_Z の Blog

机器学习教程

目录

# 1. 机器学习基础: 1-1. 机器学习术语 1-2. 单变量线性回归 1-3. 归一化、标准化和正则化 1-4. 经典网络 1-5. 多变量线性回归 1-6. 逻辑回归 1-7. 调试策略 1-8. 激活函数 1-9. Embedding 1-10. GCN 1-11. GAT 1-12. BayesClassifier 1-13. 距离函数 1-14. 损失函数 1-15. 强化学习 1-16. 线性判别分析LDA 1-17. Sequence2sequence 1-18. Network Compression 1-19. 机器学习算法集锦从贝叶斯到深度学习及各自优缺点 1-20. 各种机器学习算法的应用场景 1-21. 数据集 1-22. HashLearning 1-23. 正则化 1-24. 感知机

# 2. 模型与算法: 2-1. KNN 2-2. PCA 2-3. 奇异值分解SVD 2-4. K-means 2-5. 模型评估与选择 2-6. 正交普鲁克问题 2-7. 指数移动平均EDA 2-8. 梯度提升GB

# 3. 模型优化: 3-1. 局部极小值与鞍点 3-2. 批量和动量 3-3. 学习率 3-4. 梯度下降 3-5. 反向传播 3-6. 优化算法 3-7. 各种Optimizer梯度下降优化算法回顾和总结 3-8. AI算法工程师必备的深度学习最优化上 3-9. PyTorch优化神经网络训练的17种方法 3-10. AdamW与Adam的比较可能AdamW依然是最好的优化器 3-11. 机器学习调参自动优化方法 3-12. Dropout

#机器学习教程

上次更新: 2025/06/25, 11:25:50

← Python教程卷积神经网络→

01
帮助信息查看 06-08

02
常用命令 06-08

03
学习资源 06-07

更多文章>