机器学习学习笔记

机器学习学习笔记（15）----ID3（Iterative Dichotomizer 3）算法

ID3（IterativeDichotomizer3）算法是决策树中最简单的算法，基于信息增益作为选择特征的标准。算法是一个递归调用的方法，通过调用ID3（S,X）返回一颗决策树。以下是ID3递归算法的伪代码：ID3(S,A)输入：训练数据S，特征子集如果S中的所有样本都相同：将该样本类作为该节点的类编号，返回叶子节点；如果（空集）：将S中样本数最多的类作为该节点的类编号，返回叶子节点；否则：构造
swordmanwk·2020-08-11 13:02

机器学习学习笔记（16）----使用Matplotlib绘制决策树

在上一篇文章《机器学习学习笔记（15）----ID3（IterativeDichotomizer3）算法》中，我们使用ID3算法生成了一棵决策树，但是看起来并不直观，本文我们把上篇文章中的计算结果绘制成一棵决策树
swordmanwk·2020-08-11 13:32

机器学习学习笔记（13）----岭回归（Ridge回归）

在《机器学习学习笔记（4）----线性回归的数学解析》，我们通过计算线性模型的损失函数的梯度，得到使得损失函数为最小值的的解析解，被称之为普通最小二乘法：(1)公式(1)能够求得的前提是是满秩矩阵，这样才能计算得到它的逆矩阵
swordmanwk·2020-08-11 13:32

机器学习学习笔记（12）----特征缩放

在《机器学习学习笔记（11）----测试softmax回归》文章中，在对softmax模型进行训练时，我们使用了特征缩放技术。
swordmanwk·2020-08-11 13:32

机器学习学习笔记（5）----测试最小二乘法

上一篇文章中《机器学习学习笔记（4）----线性回归的数学解析》，求最优的w的方法是普通最小二乘法（OrdinaryLeastSquares，OLS），最小二乘法的python实现相对简单（ols.py
swordmanwk·2020-08-05 20:58

【更新中】李宏毅机器学习学习笔记汇总

之前粗略地学过一次，准备这个暑假再详细地学一次，做做笔记，这篇博客作为一个汇总。课程链接：https://www.bilibili.com/video/BV1JE411g7XF由于我的笔记在本地是用OneNote写的，好像无法导出为markdown，所以第一节博客内容都是从OneNote上以图片形式放上来的。本强迫症思来想去觉得这样太麻烦了，明天还是用markdown写吧QAQ我吐了，第二节是用t
duanyuchen·2020-07-15 12:03

R语言与机器学习学习笔记（分类算法）（5）神经网络

算法五：神经网络（优化算法）人工神经网络（ANN），简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。人工神经网络从以下四个方面去模拟人的智能行为:物理结构：
yujunbeta·2020-07-15 11:24

R语言与机器学习学习笔记（分类算法）（2）决策树算法

算法二：决策树算法决策树定义首先，我们来谈谈什么是决策树。我们还是以鸢尾花为例子来说明这个问题。观察上图，我们判决鸢尾花的思考过程可以这么来描述：花瓣的长度小于2.4cm的是setosa（图中绿色的分类），长度大于1cm的呢？我们通过宽度来判别，宽度小于1.8cm的是versicolor（图中红色的分类），其余的就是virginica（图中黑色的分类）我们用图形来形象的展示我们的思考过程便得到了这
yujunbeta·2020-07-15 11:24

R语言与机器学习学习笔记（分类算法）（2）决策树算法

算法二：决策树算法决策树定义决策树模型是基于特征对实例进行分类的树形结构。由结点和有向边组成。结点包括内部结点和叶节点，内部结点为特征或属性，叶子节点表示一个类。【优点】模型具有可读性，分类速度快。以鸢尾花为例，观察上图，我们判决鸢尾花的思考过程可以这么来描述：花瓣的长度小于2.4cm的是setosa(图中绿色的分类)，长度大于1cm的呢?我们通过宽度来判别，宽度小于1.8cm的是versicol
Azoobie·2020-07-14 22:53

R语言与机器学习学习笔记（分类算法）（6）logistic回归

原文链接：http://www.52analysis.com/R/1628.html写在前面的废话2014，又到了新的一年，首先祝大家新年快乐，也感谢那些关注我的博客的人。现在想想数据挖掘课程都是去年的事了，一直预告着，盘算着年内完工的分类算法也拖了一年了。本来打算去年就完成分类算法，如果有人看的话也顺带提提关联分析，聚类神马的，可是，。借着新年新气象的借口来补完这一系列的文章，可是，这明明就是在
zhangbdaxia·2020-07-14 03:28

R语言与机器学习学习笔记（分类算法）（1）K-近邻算法

前言最近在学习数据挖掘，对数据挖掘中的算法比较感兴趣，打算整理分享一下学习情况，顺便利用R来实现一下数据挖掘算法。数据挖掘里我打算整理的内容有：分类，聚类分析，关联分析，异常检测四大部分。其中分类算法主要介绍：K-近邻算法，决策树算法，朴素贝叶斯算法，支持向量机，神经网络，logistic回归。写这份学习笔记主要以学校datamining课程的课件为主，会参考一堆的baidu，一堆的google，
yujunbeta·2020-07-14 03:13

机器学习学习笔记（二）——梯度下降法和正规方程法解决多项式回归问题

对假设函数（hypothesisfunction）建模：在机器学习中，现有一个数据集，k个特征。大致画出特征点与结果集的映射。预测一个假设函数模型，如果用当前的k个特征，不一定能符合假设函数的公式：Wecancombinemultiplefeaturesintoone.Forexample,wecancombinex_1x1andx_2x2intoanewfeaturex_3x3bytakingx
lancetop-stardrms·2020-07-12 11:47

机器学习学习笔记（七）

（七）神经网络的学习1.代价函数假设神经网络的训练样本有mmm个，每个包含一组输入xxx和一组输出信号yyy，LLL表示神经网络层数，SlS_lSl表示lll层的neuron（神经元）个数(SlS_lSl中不包含第lll层的偏差单元)，SLS_LSL代表最后一层中处理单元的个数。将神经网络的分类定义为两种情况：二类分类和多类分类。二类分类：SL=1,y=0or1S_L=1,y=0or1SL=1,y
PlanDoCheckAction·2020-07-11 18:41

机器学习学习笔记（六）

（六）神经网络：表述1.非线性假设我们之前学的，无论是线性回归还是逻辑回归都有这样一个缺点，即：当特征太多时，计算的负荷会非常大。下面是一个例子：当我们使用x1,x2x_1,x_2x1,x2的多次项式进行预测时，我们可以应用的很好。之前我们已经看到过，使用非线性的多项式项，能够帮助我们建立更好的分类模型。假设我们有非常多的特征，例如大于100个变量，我们希望用这100个特征来构建一个非线性的多项式
PlanDoCheckAction·2020-07-11 18:41

机器学习学习笔记（五）

（五）正则化1.过拟合的问题到现在为止，我们已经学习了几种不同的学习算法，包括线性回归和逻辑回归，它们能够有效地解决许多问题，但是当将它们应用到某些特定的机器学习应用时，会遇到过拟合(over-fitting)的问题，可能会导致它们效果很差。先解释什么是过度拟合问题，如果我们有非常多的特征，我们通过学习得到的假设可能能够非常好地适应训练集（代价函数可能几乎为0），但是可能会不能推广到新的数据。下图
PlanDoCheckAction·2020-07-11 18:41

机器学习学习笔记（四）

（四）逻辑回归1.分类问题在分类问题中，我们要预测的变量yyy是离散的值，我们将学习一种叫做逻辑回归(LogisticRegression)的算法，这是目前最流行使用最广泛的一种学习算法。在分类问题中，我们尝试预测的是结果是否属于某一个类（例如正确或错误）。分类问题的例子有：判断一封电子邮件是否是垃圾邮件；判断一次金融交易是否是欺诈；包括之前肿瘤分类问题的例子，区分一个肿瘤是恶性的还是良性的。先讨
PlanDoCheckAction·2020-07-11 18:41

机器学习学习笔记（二）

（二）单变量线性回归1.模型表示首先第一个学习算法是线性回归算法，并且这属于监督学习的范畴。先举个例子，这个例子是预测住房价格的，我们要使用一个数据集，数据集包含俄勒冈州波特兰市的住房价格。在这里，需要根据不同房屋尺寸所售出的价格，画出数据集的图像。比方说，如果一个房子是1250平方尺大小，你要知道这房子能卖多少钱。那么，我们可以做的一件事就是构建一个模型，也许是条直线，从这个数据模型上来看，也许
PlanDoCheckAction·2020-07-11 18:40

机器学习学习笔记（三）——矩阵

矩阵的表示m*n矩阵为m行n列的矩阵。AijA_{ij}Aij为矩阵A中第i行第j列元素。矩阵的运算加法和减法对应元素各自相加，即Cij=Aij+BijC_{ij}=A_{ij}+B_{ij}Cij=Aij+Bij矩阵的与常数的乘法和除法矩阵中每个元素与常数相乘或相除。矩阵与矩阵的乘法m*n矩阵与n*o矩阵相乘结果是m*o矩阵。矩阵相乘的运算方法是A的第i行的所有元素与B的第j行的所有元素对应相乘
magiconecube·2020-07-11 12:46

R语言与机器学习学习笔记（分类算法）（5）神经网络

算法五：神经网络（优化算法）人工神经网络（ANN），简称神经网络，是一种模仿生物神经网络的结构和功能的数学模型或计算模型。神经网络由大量的人工神经元联结进行计算。大多数情况下人工神经网络能在外界信息的基础上改变内部结构，是一种自适应系统。现代神经网络是一种非线性统计性数据建模工具，常用来对输入和输出间复杂的关系进行建模，或用来探索数据的模式。人工神经网络从以下四个方面去模拟人的智能行为:物理结构：
caf1234·2020-07-11 03:29

机器学习学习笔记（三）

（三）多变量线性回归1.多维特征在机器学习学习笔记（二）中，我们探讨了单变量/特征的回归模型，现在再对房价模型增加更多的特征，例如房间数楼层等，构成一个含有多个变量的模型，模型中的特征为(x0,x1,.
PlanDoCheckAction·2020-07-10 17:34

机器学习学习笔记（一）

（一）引言1.什么是机器学习最早定义机器学习的人是ArthurSamuel，他对机器学习的定义是说，在进行特定编程的情况下，给予计算机学习能力的领域。另一个年代近一点的定义，由TomMitchell提出，他说，一个程序被认为能从经验E中学习，解决任务T，达到性能度量值P，当且仅当，有了经验E后，经过P评判，程序在处理T时的性能有所提升。通俗来讲，经验E就是程序上万次的自我练习的经验，而任务T就是解
PlanDoCheckAction·2020-07-10 17:34

机器学习学习笔记（五）-线性模型

绪论模型评估与选择（1）模型评估与选择（2）模型评估与选择（3）线性模型（1）线性回归决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习第三章：线性模型3.1基本形式给定由d个属性描述的示例x=(x1,x2,x3,x4…xd)，其中xi是x在第i个属性上的取值，线性模型（linearmodel）试图学得一个通过属性的线性组
宝剑磨，梅花寒·2020-07-10 00:39

机器学习学习笔记（三）-模型评估与选择

绪论模型评估与选择（1）模型评估与选择（2）模型评估与选择（3）线性模型（1）线性回归决策树神经网络支持向量机贝叶斯分类集成学习聚类降维与度量学习特征选择与稀疏学习计算学习理论半监督学习概率图模型规则学习强化学习模型评估与选择（2）2.3.3ROC与AUC很多学习器是为测试样本产生一个实值或概率预测，然后将这个预测值与一个分类阈值进行比较，若大于阈值则分为正类，否则为反类。例如，神经网络在一般情形
宝剑磨，梅花寒·2020-07-10 00:39

机器学习学习笔记 Logistic回归的实现

LogisticRegressionimportnumpyasnpimportpandasaspdimportmatplotlib.pyplotasplt%matplotlibinlineimportospdData=pd.read_csv("C:/Users/TianYiZHENG/Desktop/LogiReg_data2.txt",header=None,names=["Exam1","Ex
清欢年岁~·2020-07-10 00:27

机器学习学习笔记（十三）—— 异常检测(Anomaly detection)

异常检测：为特征x定义一个概率模型P(特征落在正常x范围的概率)，如果P(x)<=就认为是异常的。高斯/正太分布(Gaussian/Normaldistribution):Say.ifxisadistributedgaussianwithmean,variance.,x服从高斯分布.如下图，决定了轴线位置，决定钟形曲线的宽度:特性：不管和怎么变化，钟形曲线下面的面积始终是1.,异常检测算法(Ano
lancetop-stardrms·2020-07-06 03:30

R语言与机器学习学习笔记（分类算法）（1）K-近邻算法

前言原文链接：http://www.52analysis.com/R/1622.html最近在学习数据挖掘，对数据挖掘中的算法比较感兴趣，打算整理分享一下学习情况，顺便利用R来实现一下数据挖掘算法。数据挖掘里我打算整理的内容有：分类，聚类分析，关联分析，异常检测四大部分。其中分类算法主要介绍：K-近邻算法，决策树算法，朴素贝叶斯算法，支持向量机，神经网络，logistic回归。写这份学习笔记主要以
zhangbdaxia·2020-06-30 13:55

R语言与机器学习学习笔记（分类算法）（6）logistic回归

写在前面的废话2014，又到了新的一年，首先祝大家新年快乐，也感谢那些关注我的博客的人。现在想想数据挖掘课程都是去年的事了，一直预告着，盘算着年内完工的分类算法也拖了一年了。本来打算去年就完成分类算法，如果有人看的话也顺带提提关联分析，聚类神马的，可是，。借着新年新气象的借口来补完这一系列的文章，可是，这明明就是在发。尽管这个是预告里的最后一篇，但是我也没打算把这个分类算法就这么完结。尽管每一篇都
yujunbeta·2020-06-30 10:36

机器学习学习笔记--hello神经网络

这里用到了MNIST数据集，这个数据集是入门级别的计算机视觉集合。#-*-coding:utf-8-*-print(__doc__)importmatplotlib.pyplotaspltfromsklearn.datasetsimportfetch_mldatafromsklearn.neural_networkimportMLPClassifiermnist=fetch_mldata("MNI
松爱家的小秦·2020-06-29 10:22

吴恩达机器学习学习笔记第六章:机器学习中的线性代数操作python3版（含numpy、panda库的使用）

pracitice1:是针对矩阵元素的基本运算#practice1是针对矩阵元素的基本运算importnumpyasnpA=np.array([[1,2,3],[3,4,5]])#列表转换成矩阵Awithalphabet=np.array([[1,"b",3],[3,4,5]])#看看矩阵里是否只能塞数字答案是也可以装其他东西Aarray=[1,2,3],[3,4,5]#对比矩阵与普通列表的区别z
Rei12345678·2020-06-29 04:17

【学习】 R语言与机器学习学习笔记（1）K-近邻算法

前言最近在学习数据挖掘，对数据挖掘中的算法比较感兴趣，打算整理分享一下学习情况，顺便利用R来实现一下数据挖掘算法。数据挖掘里我打算整理的内容有：分类，聚类分析，关联分析，异常检测四大部分。其中分类算法主要介绍：K-近邻算法，决策树算法，朴素贝叶斯算法，支持向量机，神经网络，logistic回归。写这份学习笔记主要以学校datamining课程的课件为主，会参考一堆的baidu，一堆的google，
weixin_34274029·2020-06-28 15:51

机器学习学习笔记--朴素贝叶斯算法来识别验证码

#-*-coding:utf-8-*-importreimportmatplotlib.pyplotaspltimportosfromsklearn.feature_extraction.textimportCountVectorizerfromsklearnimportcross_validationimportosfromsklearn.naive_bayesimportGaussianNBi
松爱家的小秦·2020-06-28 01:38

【PHP-ML】使用Apriori算法挖掘用户购物习惯

title:【PHP-ML】使用Apriori算法挖掘用户购物习惯date:2018-01-12categories:技术tags:PHPPHP-ML机器学习学习笔记train($samples,$labels
_funsoul·2020-06-27 08:25

机器学习学习笔记（五）线性回归法

一.简单线性回归简单线性回归通过分析问题，确定文体的损失函数或者效用函数；通过最优化损失函数或者效用函数，获得机器学习的模型。损失函数尽可能的小，效用函数尽可能大。典型的最小二乘法问题：最小化误差的平方。二.回归算法得评价1.MSEMSE2.RMSE3.MAE4.RSquaredRSquared三.多元线性回归四.使用Scilit-learn解决回归问题fromsklearn.linear_mod
下雨天的小白鞋·2020-06-27 04:56

斯坦福大学机器学习学习笔记（一）

机器学习的动机与应用MachineLearningCS-229AndrewNg第一次了解到吴恩达是在《最强大脑》节目看到的。百度代表的人工智能和《最强大脑》的选手PK。吴恩达代表百度，说着英语。这次开始看斯坦福大学的机器学习的教程，加深的了吴恩达的认识。真是伟大的人啊。SupervisedLearning监督学习image.pngUnsupervisedLearning无监督学习聚类算法（先列个大
朴有天虹·2020-06-27 02:51

《机器学习》周志华(西瓜书)学习笔记 第一章 绪论

《机器学习》周志华(西瓜书)学习笔记学习笔记总目录机器学习学习笔记总目录世上只有一种投资是只赚不赔的，那就是学习。
Sundm@lhq·2020-06-26 07:49

机器学习-Logistic Regression（李宏毅机器学习学习笔记）

LogisticRegression是一种线性回归模型，通过sigmoid函数，它的输出值只有0和1.我以李宏毅大师的讲解对LogisticRegreesion笔记总结和学习。ThreeStepsStep1：FunctionSet逻辑回归主要使用sigmoid函数，将输入的值进行非线性转换（神经网络也是类似操作），将输出值映射到0-1，可以进行等效于概率。下图为具体的函数形象解释step2：确定参
尊尊_ml·2020-06-25 16:45

机器学习学习笔记之一——用python实现简单一元函数、二元函数的梯度下降

今天开始正正经经，好好的写机器学习的笔记。再一次从头翻过来学机器学习，在有一些python和大学数学的基础下，首先要搞的果然还是梯度下降，本篇记录的是用jupyter完成的一次作业：python实现一维数组和二维数组的梯度下降，目的只在于熟悉梯度下降。第一部分：一元函数的数据生成与图像呈现importnumpyasnpimportmatplotlib.pyplotaspltimportmatplo
落在地上的乐乐·2020-06-25 10:22

训练深度学习模型的小技巧

本文是B站李宏毅老师机器学习学习笔记。本文主要解决模型在不同训练阶段出现问题的解决方法。
Vinsmoke -Hou·2020-06-24 18:36

卷积神经网络（CNN）介绍

本文是B站李宏毅老师机器学习学习笔记一个网络结构想要看图片中有没有出现某一个图案，不需要看整张图片，只需要看图片的一小部分就可以决定。
Vinsmoke -Hou·2020-06-24 18:04

机器学习学习笔记——第一讲——绪论

两年多前买的周志华老师的《机器学习》，两年多了，苦于自己比较薄弱的数学基础（线性代数、离散数学、概率论与数理统计等），一直没有很好的学习这本书。没想到，两年后，中国大学Mooc上已经有了《机器学习》这门课程，授课老师为中国地质大学的蒋良孝老师。就让我乘此机会学习一下吧。1.机器学习的定义：利用经验（数据）来改善计算机系统的性能2.机器学习的主要内容（模型评估与选择，线性模型，决策树，神经网络，支持
预见未来to50·2020-06-23 15:34

机器学习深度学习 笔试面试题目整理（1）

推导过程见：机器学习学习笔记（19）神经网络BP神经网络与Python实现2.梯度消失与梯度爆炸：梯度消失：这本质上是由于激活函数的选择导致的，最简单的sigmoid函数为例，在函数的两端梯度求导结果非常小
沙漏dan·2020-06-21 08:42

机器学习深度学习 笔试面试题目整理（3）

题目来源：面试笔试整理3：深度学习机器学习面试问题准备（必会）面试笔试整理4：机器学习面试问题准备（进阶）深度学习面试题深度学习岗位面试题1.决策树相关：主要见机器学习学习笔记（8）决策树KL散度用于度量两个分布的不相似性
沙漏dan·2020-06-21 08:11

无监督机器学习学习笔记——极大似然估计、EM算法、聚类算法(K-means、DSCAN、层次聚类、AP）、降维（PCA、ICA、LDA）

目录条件概率的拓展极大似然估计EM(Expectation-Maximization)算法聚类算法K-means（约束簇）DSCAN（非约束簇）层次聚类（非约束簇）AP（非约束簇）总结矩阵降维稀疏自编码器PCA算法ICA算法字典学习线性判别分析（LDA）（与下文LDA有区别，但不常用）LDA（隐狄利克雷分配模型）条件概率的拓展极大似然估计试验1：抛硬币出现2正2反，求正面概率这里涉及到贝叶斯学派与
XuZhiyu_·2020-06-06 23:00

机器学习学习笔记--非监督学习

什么是非监督学习？笼统来讲，它和监督学习是一个相对的概念。在监督学习的过程中，我们需要对训练数据打上标签，这是必不可少的一步。而非监督学习中，就不再不需要提前对数据进行人工标记。举个例子，比如我们现在有一堆动物的照片。在监督学习中，我们需要提前对每张照片代表的动物进行标记。这一张是狗，那一张是猫，然后再进行训练。最后，模型对于新输入的照片，就能分清楚动物的类别。当进行非监督学习时，就不需要提前对照
松爱家的小秦·2020-04-14 00:11

机器学习学习笔记--决策树

决策树算法就是通过对已有明确结果的历史数据进行分析，寻找数据中的特征，并以此为依据对新产生的数据结果进行预测。决策树主要由下面三部分组成:决策节点:每个决策节点表示一个待分类的数据类别或属性，其中最顶部的是根决策节点。分支：每一个分支都有一个新的决策节点。叶子节点：每个叶子节点表示一种结果。决策树是一个树结构（可以是二叉树或非二叉树）。其每个非叶节点表示一个特征属性上的测试，每个分支代表这个特征属
松爱家的小秦·2020-04-13 13:50

机器学习学习笔记（四）最基础的分类算法（KNN）

K近邻算法(KNearestNeighbors)和K个样本哪个类别相似越多，则这个新的样本最有可能属于哪个类别。1.1过程(1)相似度计算：欧拉距离：distances=[sqrt(np.sum((x_train-x)**2))forx_traininX_train](2)进行排序，返回的是索引nearest=np.argsort(distances)k=6topK_y=[y_train[i]fo
下雨天的小白鞋·2020-04-11 16:13

机器学习学习笔记--七种聚类算法

聚类算法对比我们已经了解了非监督学习中十分流行的K-Means聚类算法。它简单实用，易于实现。其实，Scikit-learn中还包含有其他聚类算法，每一种算法都有自己的一些特长。1MiniBatchK-Means实现方法：sklearn.cluster.MiniBatchKMeansMiniBatchK-Means整体上和K-Means很相似，它是K-Means的一个变种形式。与K-Means不同
松爱家的小秦·2020-04-10 02:11

机器学习学习笔记--朴素贝叶斯实践

朴素贝叶斯算法是应用最为广泛的分类算法之一。简称NB算法。可以用来检测异常操作，检测DGA域名，检测针对Apache的DDos攻击，检测基于MNIST数据集的验证码。朴素贝叶斯算法包括以下算法高斯朴素贝叶斯算法多项式朴素贝叶斯算法伯努利朴素贝叶斯1.hellobeiyesi#coding:utf-8fromsklearnimportdatasetsiris=datasets.load_iris()
松爱家的小秦·2020-03-23 11:28

机器学习学习笔记--caffe框架介绍

caffe(ConvolutionalArchitectureforFastFeatureEmbedding)和好多软件项目一样，它看起来复杂且有些让人摸不着头脑的英文全称很可能只是为了获得一个有意思的缩写名。所以不要被它的名字迷惑，不过名字里的Convolutional也暗示了caffe特别擅长构建卷积神经网络。目前，caffe是使用最多的深度学习框架之一。作者是中国的YangqingJia.c
松爱家的小秦·2020-03-15 17:09

2017-10-25【作业笔记】

朴素贝叶斯贝叶斯统计：支持度&置信度有原理&手写实现：『原创』机器学习算法的R语言实现（三）：朴素贝叶斯分类器有实例+词云&e1061R包实现：朴素贝叶斯算法和R语言（可能是R的自带包）案例+实现：R语言与机器学习学习笔记
新世界的BIUBIU要更好·2020-03-15 17:28
上一页 1 2 3 4 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他