1.有监督学习¶
-
1.1 线性模型
- 1.1.1 普通最小二乘法
- 1.1.2 岭回归与分类
- 1.1.3. Lasso
- 1.1.4 多任务Lasso
- 1.1.5 弹性网络
- 1.1.6 多任务弹性网
- 1.1.7 最小角回归
- 1.1.8 LARS Lasso
- 1.1.9 正交匹配追踪(OMP)
- 1.1.10 贝叶斯回归
- 1.1.11 Logistic回归
- 1.1.12 广义线性回归（Generalized Linear Regression）
- 1.1.13 随机梯度下降（SGD）
- 1.1.14 感知机(Perceptron)
- 1.1.15 被动感知算法(Passive Aggressive Algorithms)
- 1.1.16 鲁棒回归(Robustness regression)：离群(outliers)与模型错误
- 1.1.17 多项式回归：用基函数扩展线性模型
- 1.2 线性和二次判别分析
-
1.3 内核岭回归
- 1.4 支持向量机
- 1.5 随机梯度下降
- 1.6 最近邻
- 1.7 高斯过程
-
1.8 交叉分解
- 1.9 朴素贝叶斯
- 1.10 决策树
- 1.11 集成算法
- 1.12 多类和多标签算法
- 1.13 特征选择
- 1.14 半监督学习
-
1.15 Isotonic回归
- 1.16 概率校准
- 1.17 神经网络模型(有监督)