机器学习与数据挖掘的探索

机器学习数据挖掘的知识探索

基于机器学习的语音驱动人脸动画技术方法

数据挖掘 16 2024-08-14

数据挖掘机器学习

使用 Spark、PySpark、Spark 管道、Jupyter Notebook 学习数据挖掘机器学习

数据挖掘 18 2024-05-15

数据挖掘与机器学习应用简介

在这篇文章中，我们简要介绍了机器学习不同算法在Python 2.7中的实现版本，需要预先安装Python 2.7以及包括numpy、scipy和matplotlib等相关库。未来，我们还计划将其他算法的实现逐步添加，并更新至C++版。

数据挖掘 8 2024-10-11

清华机器学习与数据挖掘课程项目

此存储库包含我完成的清华大学机器学习和数据挖掘课程项目。

数据挖掘 21 2024-05-13

CS155 机器学习与数据挖掘

卡尔科技 CS155 荣誉守则：未经授课教授允许，请勿使用该课程中的内容。

数据挖掘 11 2024-05-15

数据挖掘与机器学习中聚类算法的应用

聚类算法用于无监督学习，将没有明确分类映射关系的物品分组，解决了没有历史数据时对物品分类的需求。例如，可应用于客户价值划分、网页归类等场景。

数据挖掘 21 2024-04-30

数据挖掘与机器学习回归算法优化实验

数据挖掘和机器学习领域中，回归算法广泛应用于预测连续数值型输出。回归分析帮助理解输入变量对输出变量的影响，在金融预测、销售预测和天气预报等实际问题中至关重要。实验“数据挖掘与机器学习：回归算法优化”包括线性回归、逻辑回归、多项式回归、岭回归与Lasso回归、支持向量回归（SVR）、随机森林回归和梯度提升回归（GBRT）等内容。评估指标包括均方误差（MSE）、均方根误差（RMSE）、平均绝对误差（MAE）和决定系数（R²），同时介绍模型选择与调参方法。聚类算法如K-means也可能作为预处理步骤。

数据挖掘 13 2024-08-24

机器学习与数据挖掘 引领科技发展的先锋

随着科技的不断进步，机器学习与数据挖掘已经成为科学研究和商业应用中不可或缺的重要组成部分。这些技术不仅在数据分析和预测模型中发挥着关键作用，还推动着科技创新的边界。

数据挖掘 15 2024-07-16

基于机器学习的数据挖掘算法研究

数据挖掘是从海量数据中提取有价值知识的过程，其中决策树作为一种广泛应用的机器学习算法，被广泛应用于实际问题中。本研究详细探讨了基于决策树的数据挖掘算法的技术原理、实现方法及其在不同领域的应用。决策树通过一系列规则划分数据集，构建分类模型，适用于信用评估、医疗诊断等多个领域。研究还探讨了决策树算法的优势和局限性，以及相关的改进策略如CART和随机森林等。

数据挖掘 16 2024-07-20