Machine Learning机器学习之决策树算法 Decision Tree（附Python代码）
前言： 决策树是一种经典的机器学习算法，用于解决分类和回归问题。它的基本思想是通过对数据集中的特征进行递归划分，构建一系列的决策规则，从而生成一个树状结构。在决策树中，每个内部节点表示对输入特征的一个测试，每个分支代表一个测试结果，而每个叶子节点表示一个类别或输出值。 决策树的发展历史可以追溯到20...
把Transformer当通用计算机用，还能执行in-context learning算法，这项研究脑洞大开
一个 13 层的 Transformer 能干什么用？模拟基本计算器、基本线性代数库和使用反向传播的 in-context learning 算法都可以。Transformer 已成为各种机器学习任务的热门选择，并且取得了很好的效果，那它还能怎么用？脑洞大开的研究者竟然想用它来设计可编程计算机！这篇...
Machine Learning | (10) 回归算法-岭回归
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (9) 回归算法-线性回归
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (8) Scikit-learn的分类器算法-随机森林（Random Forest）
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (7) Scikit-learn的分类器算法-决策树(Decision Tree）
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (6) Scikit-learn的分类器算法-性能评估
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (5) Scikit-learn的分类器算法-朴素贝叶斯
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (4) Scikit-learn的分类器算法-逻辑回归
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
Machine Learning | (3) Scikit-learn的分类器算法-k-近邻
Machine Learning | 机器学习简介Machine Learning | (1) Scikit-learn与特征工程Machine Learning | (2) sklearn数据集与机器学习组成Machine Learning | (3) Scikit-learn的分类器算法-k-近...
本页面内关键词为智能算法引擎基于机器学习所生成，如有任何问题，可在页面下方点击"联系我们"与我们沟通。
