專欄總目錄(新)
當我們在談論GBDT【完結】
由於 GBDT 效果一直比較好,加上 XGBoost 的易用性,GBDT 近幾年在Kaggle等競賽中受到追捧。同時,也帶火了相關的一些 Ensemble Learning 演算法。我想系統的梳理一下相關的知識點,但網上有關 GBDT 的文章相對瑣碎,所以有了這個系列。這個系列主要從理論層面去梳理相關概念,包含的文章如下:
當我們在談論GBDT:從 AdaBoost 到 Gradient Boosting
當我們在談論GBDT:Gradient Boosting 用於分類與回歸
當我們在談論GBDT:其他 Ensemble Learning 演算法
當我們在談論 Deep Learning【完結】
Deep Learning 是眾多機器學習演算法中的一種。它起源於60年代的 Perceptron,經過80年代的 Artificial Neural Network,現階段被稱為 Deep Learning。迄今為止,是「有監督學習」領域最強大的演算法類型,暫時還沒有「之一」。同時,它也正在往」無監督「和」強化學習「領域擴散。網路上雖然已經有不少介紹 Deep Learning 的文章,但是大多不成系統,或作者並沒有持續更新。因此便想自己寫一個系列,梳理 Deep Learning 經典結構或演算法,盡量保持更新。本系列包含的文章如下:
Supervised Learning:
當我們在談論 Deep Learning:DNN 與 Backpropagation
當我們在談論 Deep Learning:DNN 與它的參數們(壹)
當我們在談論 Deep Learning:DNN 與它的參數們(貳)
當我們在談論 Deep Learning:DNN 與它的參數們(叄)
當我們在談論 Deep Learning:CNN 其常見架構(上)
當我們在談論 Deep Learning:CNN 其常見架構(下)
當我們在談論 Deep Learning:RNN 其常見架構
Unsupervised Learning:
當我們在談論 Deep Learning:AutoEncoder 及其相關模型
當我們在談論 Deep Learning:GAN 與 WGAN
Reinforcement Learning:
當我們在談論 DRL:從Q-learning到DQN
當我們在談論 DRL:從AC、PG 到 A3C、DDPG
當我們在談論K-means【完結】
在網上找到的K-means或聚類相關的文章,內容大多較為瑣碎,不太能幫助深入理解它。為了加深對K-means的理解,以便在實際中調參與修改演算法,於是有了這個系列。此系列主要是從理論層面去理解K-means及相關演算法,包含的文章如下:
當我們在談論K-means:數據概述
當我們在談論K-means:論文概述(1)
當我們在談論K-means:論文概述(2)
當我們在談論K-means:其他聚類演算法
當我們在談論K-means:總結
推薦閱讀:
※為什麼筆記本電池、手機電池各種各樣?
※霍金在科學界到底是什麼水平?
※互聯網+時代,直銷人的未來在哪裡?
※計算機界奠基性的工作真的已經被做完了嗎?
※大腦的可塑性如何?