Machine Learning: регрессионные методы интеллектуального анализа данных

Введение в машинное обучениеПрактикум 1.1. Введение в OCTAVEПрактикум 1.2. Операции в OCTAVE Линейная регрессия с одной переменнойПрактикум 2.1 Моделирование функции гипотезы в виде однопараметрической линейной регрессииПрактикум 2.2. Моделирование функции гипотезы в виде двухпарамстричсской линейной регрессии Многопараметрическая линейная регрессияПрактикум 3.1. Нормализация признаковПрактикум 3.2. Метод градиентного спускаПрактикум 3.3. Метод нормального уравнения Логистическая регрессияПрактикум 4.1. Логистическая регрессияПрактикум 4.2. Использование регуляризации в логистической регрессии Нейронные сетиПрактикум 5.1. Распознавание рукописных цифрПрактикум 5.2. Вычисление сложной нелинейной гипотезы с помощью нейронной сети Обучение нейронных сетейПрактикум 6.1. Нахождение градиента функции сигмоиды Рекомендации по применению машинного обученияПрактикум 7.1. Изучение метода регуляризованной линейной регрессииПрактикум 7.2. Метод регуляризованной полиномиальной регрессииСписок литературы
 
  РЕЗЮМЕ   След >