游客
登录
我的空间
使用说明下载
首页
机器学习
9-2-3 基于矩阵分解的降维方法（非负矩阵分解）
9-2-3 基于矩阵分解的降维方法（非负矩阵分解）
引用
分享
手机看
扫码继续查看
huangli
2021-9-30 上传
播放量 2111
目录
1
机器学习-教学设计一体化方案202108
2
机器学习-课程教学大纲2021
3
机器学习-课程考核大纲202108
4
1-1机器学习概述
5
1-2机器学习常用工具介绍
6
1-3Scikit-learn概览
7
1-4案例-使用线性回归构建房价预测模型
8
@1.1机器学习概述
9
@1.2机器学习常用工具
10
@1.3Scikit-learn概览
11
讲义1-1 机器学习概述
12
讲义1-2 机器学习常用框架
13
@2.1数据预处理与预处理模块
14
@2.2缺失值处理
15
@2.3 离群值检测1
16
@2.3 离群值检测2
17
@2.4标准化
18
@2.5 -1特征编码
19
@2.5 -2特征离散化
20
@3.1回归问题和Scikit-learn回归模块介绍
21
@3.2线性回归
22
@3.3-1线性回归问题
23
@3.3-2偏差与方差
24
@3.4-1稳健性回归
25
@3.4-2其他回归方法
26
@4.1-1 分类问题介绍
27
@4.1-2 案例：根据多种特征预测学生的学业表现
28
@4.2 逻辑回归
29
@4.3 K近邻
30
@4.4 决策树
31
@4.5 朴素贝叶斯
32
@4.6 支持向量机
33
@5.1 聚类问题和cluster模块介绍
34
@5.2 kmeans聚类
35
@5.4 层次聚类
36
@5.5 DBSCAN
37
@6.1-1 分类指标
38
@6.1-2 分类指标
39
@6.2 回归指标
40
@6.3 聚类分析指标
41
@6.4 交叉验证
42
@6.5 参数调优
43
@7.1-1 集成模型和ensemble模块介绍
44
@7.1-2 Bagging
45
@7.2-1 AdaBoost
46
@7.2-2 GBDT
47
@7.3 VotingClassifier
48
@8.1 特征提取与特征选择概述
49
@8.2-1 countvectorizer
50
@8.2-2 特征提取
51
@8.3 过滤式
52
@8.4 包裹式
53
@8.5 嵌入式
54
@9.3 非线性降维方法1
55
@9.3 非线性降维方法2
56
@9.3 非线性降维方法3
57
@9.1 降维方法与sklearn降维模块概述
58
@9.2 线性降维方法1
59
@9.2 线性降维方法2
60
@9.2 线性降维方法3
61
2-3 数据标准化
62
2-4 离散化与特征编码
63
2-2 离群值检测
64
2-1 数据预处理
65
讲义2-1 数据预处理
66
讲义2-2 离群值检测
67
讲义2-3 数据标准化与归一化
68
讲义2-4 离散型特征编码方式
69
讲义2-5 特征提取方法_one-hot_TF-IDF
70
7-1 集成模型
71
7-2 Bagging模型
72
7-3 Boosting模型
73
7-4 VotingClassifier模型
74
8-1 特征提取
75
8-2 特征选择
76
9-1 降维方法与sklearn降维模块概述
77
9-2-1 基于矩阵分解的降维方法（主成分分析）
78
9-2-2 基于矩阵分解的降维方法（线性判别分析）
79
9-2-3 基于矩阵分解的降维方法（非负矩阵分解）
80
9-3-1 基于流形学习的降维方法（局部线性嵌入）
81
9-3-2 基于流形学习的降维方法（多维尺度变换）
82
9-3-3 基于流形学习的降维方法（t-分布领域嵌入算法）
83
机器学习-教学设计一体化方案202108
84
机器学习-课程教学大纲2021
85
机器学习-课程考核大纲202108
86
计算思维之问题求解思想及方法1
87
计算思维之问题求解思想及方法4
88
计算思维之问题求解思想及方法3
89
计算思维之问题求解思想及方法2
详细信息
所属分类：
江开本科 - 人工智能（本科）
知识体系：
信息技术
主讲老师：
汤斯亮
版权归属：
江苏开放大学版权
关键词
机器学习
