ApacheCN 人工智能知识树 v1.0

2019-05-18 23:27 作者:绝不原创的飞龙 0人读过 | 我要投稿

贡献者：飞龙（t.cn/R4TanTd）

版本：v1.0

最近总是有人问我，把 ApacheCN 这些资料看完一遍要用多长时间，如果你一本书一本书看的话，的确要用很长时间。但我觉得这是非常麻烦的，因为每本书的内容大部分是重复的，有些不重复的内容你也不好找。为了方便大家，我就把每本书的章节拆开，再按照知识点合并，手动整理了这个知识树。大家可以按照知识点依次学习，如果理解了一个知识点，就没必要看其余文章，直接跳到下一个就行了。

统计机器学习

基础知识

AILearning 第1章_基础知识（t.cn/EKDr3IR）
CS229 中文笔记一、引言（t.cn/EKDr39i）
CS229 中文笔记三、线性代数回顾（t.cn/EKDr39i）
机器学习基石 1 – The Learning Problem（t.cn/EaiDTuS）
机器学习基石 2 – Learning to Answer Yes/No（t.cn/EKDr33w）
机器学习基石 3 – Types of Learning（t.cn/EXJXCJd）
机器学习基石 4 – Feasibility of Learning（t.cn/EKDr1co）
机器学习基石 6 – Theory of Generalization（t.cn/EKDr1CY）
机器学习基石 7 – The VC Dimension（t.cn/EKDr1Eo）
机器学习基石 8 – Noise and Error（t.cn/EKDr1kZ）
机器学习基石 16 – Three Learning Principles（t.cn/E613P7O）
写给人类的机器学习一、为什么机器学习重要（t.cn/EiE6CWh）
SciPyCon 2018 sklearn 教程一、Python 机器学习简介（t.cn/EKDrBlv）
SciPyCon 2018 sklearn 教程二、Python 中的科学计算工具（t.cn/EKDrB18）
SciPyCon 2018 sklearn 教程九、sklearn 估计器接口回顾（t.cn/EXSo8Nh）
SciPyCon 2018 sklearn 教程十五、估计器流水线（t.cn/EKDrrGf）
数据科学和人工智能技术笔记一、向量、矩阵和数组（t.cn/EXrpSsy）
Sklearn 学习指南第一章：机器学习 - 温和的介绍（t.cn/EKDrrjj）

线性回归/逻辑回归/softmax 回归

AILearning 第5章_逻辑回归（t.cn/EKDrrdn）
AILearning 第8章_回归（t.cn/EKDrd2s）
CS229 中文笔记二、单变量线性回归（t.cn/EKDrd2s）
CS229 中文笔记四、多变量线性回归（t.cn/EKDrdx5）
CS229 中文笔记六、逻辑回归（t.cn/EKDrdx5）
DLAI 深度学习笔记第一门课第二周：神经网络的编程基础（t.cn/EKDrdp0）
机器学习基石 9 – Linear Regression（t.cn/EqEk0hr）
机器学习基石 10 – Logistic Regression（t.cn/EKDrgh5）
机器学习基石 11 – Linear Models for Classification（t.cn/EKDrgqx）

机器学习基石 12 – Nonlinear Transformation（t.cn/Ea68Mg5）

机器学习技法 5 – Kernel Logistic Regression（t.cn/EKDrgHU）
Scikit-learn 秘籍第二章处理线性模型（t.cn/EiYeoce）
Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类（t.cn/EimLn37）
PythonProgramming.net 系列教程第一部分回归（t.cn/EKDreby）
写给人类的机器学习 2.1 监督学习（t.cn/EiHYiZH）
写给人类的机器学习 2.2 监督学习 II（t.cn/EXSiWZD）
Python 数据分析与挖掘实战第5章　挖掘建模（t.cn/EKDreua）
Python 数据分析与挖掘实战第13章　财政收入影响因素分析及预测模型（t.cn/EKDrDwM）
与 TensorFlow 的初次接触 2. TensorFlow 中的线性回归（t.cn/EKDrDIl）
SciPyCon 2018 sklearn 教程五、监督学习第一部分：分类（t.cn/EKDrD0m）
SciPyCon 2018 sklearn 教程六、监督学习第二部分：回归分析（t.cn/E54pZF9）
SciPyCon 2018 sklearn 教程十七、深入：线性模型（t.cn/E6nsRlE）
数据科学和人工智能技术笔记十一、线性回归（t.cn/Ei1TF9K）
数据科学和人工智能技术笔记十二、逻辑回归（t.cn/Eq353ev）
Sklearn 学习指南第二章：监督学习（t.cn/EKDrkWP）

决策树/随机森林

AILearning 第3章_决策树算法（t.cn/EKDrkr6）
AILearning 第9章_树回归（t.cn/EKDrF7j）
机器学习技法 9 – Decision Tree（t.cn/EKDrF58）
机器学习技法 10 – Random Forest（t.cn/EXr300n）
Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类（t.cn/EXr300n）
写给人类的机器学习 2.3 监督学习 III（t.cn/E5P0jKX）
Python 数据分析与挖掘实战第5章　挖掘建模（t.cn/E5P0jKX）
Python 数据分析与挖掘实战第6章　电力窃漏电用户自动识别（t.cn/EKDrFBi）
SciPyCon 2018 sklearn 教程十八、深入：决策树与森林（t.cn/EKDrsZQ）
数据科学和人工智能技术笔记十三、树和森林（t.cn/E65shfH）
Sklearn 学习指南第二章：监督学习（t.cn/E65shfH）

GDBT/XGBoost

机器学习技法 11 – Gradient Boosted Decision Tree（t.cn/EKDrs00）

朴素贝叶斯

AILearning 第4章_朴素贝叶斯（t.cn/EKDdvwU）
Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类（t.cn/EKDdvwU）
数据科学和人工智能技术笔记十六、朴素贝叶斯（t.cn/EXBFcLc）
Sklearn 学习指南第二章：监督学习（t.cn/EXBFcLc）

支持向量机

AILearning 第6章_支持向量机（t.cn/EKDdvai）
AILearning 支持向量机的几个通俗理解（t.cn/EKDdvHr）
CS229 中文笔记十二、支持向量机（t.cn/EKDdPvX）
机器学习技法 1 – Linear Support Vector Machine（t.cn/EtuOLEq）
机器学习技法 2 – Dual Support Vector Machine（t.cn/EKDdPSy）
机器学习技法 3 – Kernel Support Vector Machine（t.cn/EaLXrFI）
机器学习技法 4 – Soft-Margin Support Vector Machine（t.cn/EKDdP1V）
机器学习技法 6 – Support Vector Regression（t.cn/E5v1DVr）
Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类（t.cn/E5v1DVr）
PythonProgramming.net 系列教程第二部分分类（t.cn/EKDdhGq）
写给人类的机器学习 2.2 监督学习 II（t.cn/EKDdhGq）
Python 数据分析与挖掘实战第9章　基于水色图像的水质评价（t.cn/EKDdhCd）
数据科学和人工智能技术笔记十五、支持向量机（t.cn/EXgijAk）
Sklearn 学习指南第二章：监督学习（t.cn/EXgijAk）

K 近邻

AILearning 第2章_K近邻算法（t.cn/EKDd7hZ）
Scikit-learn 秘籍第三章使用距离向量构建模型（t.cn/Ei8KDE0）
PythonProgramming.net 系列教程第二部分分类（t.cn/Ei8KDE0）
写给人类的机器学习 2.3 监督学习 III（t.cn/Ei8KDE0）
SciPyCon 2018 sklearn 教程五、监督学习第一部分：分类（t.cn/Ei8KDE0）
SciPyCon 2018 sklearn 教程六、监督学习第二部分：回归分析（t.cn/Ei8KDE0）
数据科学和人工智能技术笔记十四、K 最近邻（t.cn/Ea6GyM5）

KMeans

AILearning 第10章_KMeans聚类（t.cn/EKDd76n）
CS229 中文笔记十三、聚类（t.cn/EKDd7la）
Scikit-learn 秘籍第三章使用距离向量构建模型（t.cn/EKDd7la）
PythonProgramming.net 系列教程第三部分聚类（t.cn/EKDd7eO）
写给人类的机器学习三、无监督学习（t.cn/EVk3AUH）
Python 数据分析与挖掘实战第5章　挖掘建模（t.cn/EVk3AUH）
Python 数据分析与挖掘实战第7章　航空公司客户价值分析（t.cn/EKDdzMS）
Python 数据分析与挖掘实战第8章　中医证型关联规则挖掘（t.cn/EKDdzpx）
与 TensorFlow 的初次接触 3. TensorFlow 中的聚类（t.cn/EKDdzBq）
SciPyCon 2018 sklearn 教程八、无监督学习第二部分：聚类（t.cn/EaCn37V）
TensorFlow 学习指南三、学习（t.cn/EqEwnUg）
数据科学和人工智能技术笔记十七、聚类（t.cn/EKDdZpf）
Sklearn 学习指南第三章：无监督学习（t.cn/EKDdZ1z）

均值移动

PythonProgramming.net 系列教程第三部分聚类（t.cn/EKDdZ1z）
数据科学和人工智能技术笔记十七、聚类（t.cn/EKDdZ1z）
Sklearn 学习指南第三章：无监督学习（t.cn/EKDdZ1z）

层次聚类

写给人类的机器学习三、无监督学习（t.cn/EKDdZ1z）
Python 数据分析与挖掘实战第14章　基于基站定位数据的商圈分析（t.cn/EKDdwZ8）
SciPyCon 2018 sklearn 教程二十、无监督学习：层次和基于密度的聚类算法（t.cn/Eidq7k9）
数据科学和人工智能技术笔记十七、聚类（t.cn/Eidq7k9）
Sklearn 学习指南第三章：无监督学习（t.cn/Eidq7k9）

DBSCAN

SciPyCon 2018 sklearn 教程二十、无监督学习：层次和基于密度的聚类算法（t.cn/Eidq7k9）
数据科学和人工智能技术笔记十七、聚类（t.cn/Eidq7k9）

高斯混合

Scikit-learn 秘籍第三章使用距离向量构建模型（t.cn/Eidq7k9）
Sklearn 学习指南第三章：无监督学习（t.cn/Eidq7k9）

Boosting/Bagging/Blending

机器学习技法 7 – Blending and Bagging（t.cn/EKDdwjp）

AdaBoost

AILearning 第7章_集成方法（t.cn/EKDdwBX）
机器学习技法 8 – Adaptive Boosting（t.cn/EKDdAZu）

PCA

AILearning 第13章_PCA降维（t.cn/EKDdAcd）
AILearning 第14章_SVD简化数据（t.cn/EKDdAKA）
CS229 中文笔记十四、降维（t.cn/EKDdAKA）
写给人类的机器学习三、无监督学习（t.cn/EKDdAKA）
SciPyCon 2018 sklearn 教程七、无监督学习第一部分：变换（t.cn/EKDdARc）
Sklearn 学习指南第三章：无监督学习（t.cn/EKDdARc）

LDA

Scikit-learn 秘籍第四章使用 scikit-learn 对数据分类（t.cn/EKDdARc）

流形学习

SciPyCon 2018 sklearn 教程二十一、无监督学习：非线性降维（t.cn/EKDdAFZ）

异常检测

CS229 中文笔记十五、异常检测（t.cn/EKDd2bh）
SciPyCon 2018 sklearn 教程二十二、无监督学习：异常检测（t.cn/EKDd2Mb）

Apriori/FP-growth

AILearning 第11章_Apriori算法（t.cn/EKDd299）
AILearning 第12章_FP-growth算法（t.cn/EKDd2uY）
Python 数据分析与挖掘实战第5章　挖掘建模（t.cn/EKDd2uY）
Python 数据分析与挖掘实战第8章　中医证型关联规则挖掘（t.cn/EKDd2uY）

深度学习

基础知识

DLAI 深度学习笔记第一门课第一周：深度学习引言（t.cn/EKDdLhr）
与 TensorFlow 的初次接触 1. TensorFlow 基础知识（t.cn/EKDdLc8）
TensorFlow 学习指南一、基础（t.cn/EqTEUvT）

MLP

CS229 中文笔记八、神经网络：表述（t.cn/EKDdL19）
CS229 中文笔记九、神经网络的学习（t.cn/EKDdyAA）
DLAI 深度学习笔记第一门课第三周：浅层神经网络（t.cn/EKDdy67）
DLAI 深度学习笔记第一门课第四周：深层神经网络（t.cn/EKDdyj3）
机器学习技法 12 – Neural Network（t.cn/EKDdyeg）
机器学习技法 13 – Deep Learning（t.cn/E6BqK4e）
机器学习技法 14 – Radial Basis Function Network（t.cn/EKDdUcb）
PythonProgramming.net 系列教程第四部分神经网络（t.cn/EKDdUNz）
写给人类的机器学习四、神经网络和深度学习（t.cn/EqgvUUJ）
Python 数据分析与挖掘实战第5章　挖掘建模（t.cn/EqgvUUJ）
Python 数据分析与挖掘实战第6章　电力窃漏电用户自动识别（t.cn/EqgvUUJ）
Python 数据分析与挖掘实战第10章　家用电器用户行为分析与事件识别（t.cn/EKDdUsF）
Python 数据分析与挖掘实战第13章　财政收入影响因素分析及预测模型（t.cn/EKDdUsF）
与 TensorFlow 的初次接触 4. TensorFlow 中的单层神经网络（t.cn/EKDd4G2）
与 TensorFlow 的初次接触 5. TensorFlow 中的多层神经网络（t.cn/EKDd4Ng）
TensorFlow Rager 教程一、如何使用 TensorFlow Eager 构建简单的神经网络（t.cn/EKDd4u3）
数据科学和人工智能技术笔记十八、Keras（t.cn/Et3wSx9）

CNN

DLAI 深度学习笔记第四门课第一周卷积神经网络（t.cn/EKDdb48）
DLAI 深度学习笔记第四门课第二周深度卷积网络：实例探究（t.cn/EKDdb6c）
TensorFlow Rager 教程七、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）（t.cn/EKDdbWk）

RNN

DLAI 深度学习笔记第五门课第一周循环序列模型（t.cn/EKDdbRL）
DLAI 深度学习笔记第五门课第三周序列模型和注意力机制（t.cn/EKDdbDq）
TensorFlow Rager 教程八、用于 TensorFlow Eager 序列分类的动态循坏神经网络（t.cn/EKDdGL4）
TensorFlow Rager 教程九、用于 TensorFlow Eager 时间序列回归的递归神经网络（t.cn/EKDdGiS）

时间序列

第5章　挖掘建模（t.cn/EKDdGiS）
Python 数据分析与挖掘实战第11章　应用系统负载分析与磁盘容量预测（t.cn/EKDdGTE）
TensorFlow Rager 教程九、用于 TensorFlow Eager 时间序列回归的递归神经网络（t.cn/EKDdGTE）

机器视觉

CS229 中文笔记十八、应用实例：图片文字识别（t.cn/EKDdGeC）
DLAI 深度学习笔记第四门课第三周目标检测（t.cn/EKDdqUC）
DLAI 深度学习笔记第四门课第四周特殊应用：人脸识别和神经风格转换（t.cn/EKDdqJH）
PythonProgramming.net 系列教程图像和视频分析（t.cn/EKDdqTn）
PythonProgramming.net 系列教程 TensorFlow 目标检测（t.cn/EKDdqeZ）
数据科学和人工智能技术笔记四、图像预处理（t.cn/EKDd5Zs）

图嵌入/图的表示学习

图嵌入综述：问题，技术与应用第一、二章（t.cn/EKDd55Q）
图嵌入综述：问题，技术与应用第三章（t.cn/EKDd5XR）
图嵌入综述：问题，技术与应用 4.1 ~ 4.2（t.cn/EKDd5Wz）
图嵌入综述：问题，技术与应用 4.3 ~ 4.7（t.cn/EKDdt7G）
图嵌入综述：问题，技术与应用第五、六、七章（t.cn/EKDdttn）

自然语言处理

DLAI 深度学习笔记第五门课第二周自然语言处理与词嵌入（t.cn/EKDdtK8）
PythonProgramming.net 系列教程自然语言处理教程（t.cn/EKDdtQT）
PythonProgramming.net 系列教程 TensorFlow 聊天机器人（t.cn/EKDdtDh）
Python 数据分析与挖掘实战第15章　电商产品评论数据情感分析（t.cn/EKDdc48）
TensorFlow Rager 教程七、使用 TensorFlow Eager 构建用于情感识别的卷积神经网络（CNN）（t.cn/EKDdc48）
TensorFlow Rager 教程八、用于 TensorFlow Eager 序列分类的动态循坏神经网络（t.cn/EKDdc48）
SciPyCon 2018 sklearn 教程十一、文本特征提取（t.cn/E5LNRIy）
SciPyCon 2018 sklearn 教程十二、案例学习：用于 SMS 垃圾检测的文本分类（t.cn/EqErQdY）
SciPyCon 2018 sklearn 教程二十三、核外学习 - 用于语义分析的大规模文本分类（t.cn/EKDdcuj）
数据科学和人工智能技术笔记五、文本预处理（t.cn/Eqe6qLv）

强化学习

写给人类的机器学习五、强化学习（t.cn/Eqew4zN）

预处理/特征工程

Scikit-learn 秘籍第一章模型预处理（t.cn/Ei8je1L）
Python 数据分析与挖掘实战第3章　数据探索（t.cn/EKDdI4x）
Python 数据分析与挖掘实战第4章　数据预处理（t.cn/EKDdIM0）
TensorFlow Rager 教程四、文本序列到 TFRecords（t.cn/EKDdI92）
TensorFlow Rager 教程五、如何将原始图片数据转换为 TFRecords（t.cn/EKDdIRZ）
TensorFlow Rager 教程六、如何使用 TensorFlow Eager 从 TFRecords 批量读取数据（t.cn/EKDdIrI）
SciPyCon 2018 sklearn 教程三、数据表示和可视化（t.cn/EqdXqoW）
SciPyCon 2018 sklearn 教程七、无监督学习第一部分：变换（t.cn/EqdXqoW）
SciPyCon 2018 sklearn 教程十、案例学习：泰坦尼克幸存者（t.cn/EKDdM5b）
SciPyCon 2018 sklearn 教程十一、文本特征提取（t.cn/EKDdM5b）
SciPyCon 2018 sklearn 教程十九、自动特征选择（t.cn/EKDdMXL）
数据科学和人工智能技术笔记二、数据准备（t.cn/EKDdMlv）
数据科学和人工智能技术笔记三、数据预处理（t.cn/EKDdMuD）
数据科学和人工智能技术笔记四、图像预处理（t.cn/EKDdMuD）
数据科学和人工智能技术笔记五、文本预处理（t.cn/EKDdMuD）
数据科学和人工智能技术笔记六、日期时间预处理（t.cn/EKDdxhO）
数据科学和人工智能技术笔记七、特征工程（t.cn/EXBD0oQ）
数据科学和人工智能技术笔记八、特征选择（t.cn/EqYk4Jq）
数据科学和人工智能技术笔记十九、数据整理（上）（t.cn/EXXLwrB）
数据科学和人工智能技术笔记十九、数据整理（下）（t.cn/EKDdxur）
数据科学和人工智能技术笔记二十、数据可视化（t.cn/Et3jH1G）
Sklearn 学习指南第四章：高级功能（t.cn/EKDdJ4N）

模型评估/模型调优

CS229 中文笔记七、正则化（t.cn/EKDdJ4N）
CS229 中文笔记十、应用机器学习的建议（t.cn/EKDdJx8）
CS229 中文笔记十一、机器学习系统的设计（t.cn/EKDdJx8）
DLAI 深度学习笔记第二门课第一周：深度学习的实用层面（t.cn/EKDdJp0）
DLAI 深度学习笔记第二门课第三周超参数调试，batch正则化和程序框架（t.cn/EKDdJRI）
DLAI 深度学习笔记第三门课第一周：机器学习策略（1）（t.cn/EKDdJkA）
DLAI 深度学习笔记第三门课第二周：机器学习策略（2）（t.cn/EKDdiLa）
机器学习基石 5 – Training versus Testing（t.cn/EKDdiiK）
机器学习基石 13 – Hazard of Overfitting（t.cn/EKDdij9）
机器学习基石 14 – Regularization（t.cn/EVd0aAD）
机器学习基石 15 – Validation（t.cn/EayLCzv）
Scikit-learn 秘籍第二章处理线性模型（t.cn/EayLCzv）
Scikit-learn 秘籍第五章模型后处理（t.cn/EXSNFFD）
TensorFlow Rager 教程二、在 Eager 模式中使用指标（t.cn/EKDd6ac）
SciPyCon 2018 sklearn 教程四、训练和测试数据（t.cn/EKDd6QO）
SciPyCon 2018 sklearn 教程十三、交叉验证和得分方法（t.cn/Etm6UKN）
SciPyCon 2018 sklearn 教程十四、参数选择、验证和测试（t.cn/EKDdX5Q）
SciPyCon 2018 sklearn 教程十六、模型评估、得分指标和处理不平衡类别（t.cn/EKDdXSX）
TensorFlow 学习指南二、线性模型（t.cn/E5htzFb）
数据科学和人工智能技术笔记九、模型验证（t.cn/EXBQ2Hx）
数据科学和人工智能技术笔记十、模型选择（t.cn/E5UZ4lP）
Sklearn 学习指南第四章：高级功能（t.cn/E5UZ4lP）

最优化

梯度下降

CS229 中文笔记十七、大规模机器学习（t.cn/E5UZ4lP）
DLAI 深度学习笔记第一门课第二周：优化算法（t.cn/EKDdact）

其它

机器学习技法 16（完结） – Finale（t.cn/EKDdaCh）
CS229 中文笔记十九、总结（t.cn/EKDdaCh）
写给人类的机器学习六、最好的机器学习资源（t.cn/EaLheHd）
与 TensorFlow 的初次接触 6. 并行（t.cn/EKDdadI）
TensorFlow Rager 教程三、如何保存和恢复训练模型（t.cn/EKDdSZl）
TensorFlow 学习指南四、分布式（t.cn/Eq3xZse）
数据科学和人工智能技术笔记二十一、统计学（t.cn/Eqew2Ck）

关于我们

我们是一个大型开源社区，旗下 QQ 群共 9000 余人，订阅用户至少一万人。Github Star 数量超过 20k 个，在所有 Github 组织中排名前 200（t.cn/EKDjc21）。网站日 uip 超过 4k，Alexa 排名的峰值为 20k（t.cn/EKDjcKa）。我们的核心成员拥有 CSDN 博客专家（t.cn/EKDjcnJ）和简书程序员优秀作者（t.cn/EKDjVPK）认证。我们与Datawhale（t.cn/EKDOE3c）、AI 有道（t.cn/EKDdoXw）、黄海广博士（t.cn/EKDdo8s）等国内知名开源组织和大 V 合作，组织公益性的翻译活动、学习活动和比赛组队活动。

与商业组织不同，我们并不会追逐热点，或者唯利是图。作为公益组织，我们将完成项目放在首要位置，并有足够时间把项目打磨到极致。我们希望做出广大 AI 爱好者真正需要的东西，打造真正有价值的长尾作品。

【导航】ibooker.org.cn（t.cn/EKDdK7v）
【归档】home.apachecn.org（t.cn/EKDjfxK）
【社区】bbs.apachecn.org（t.cn/E6UmwuD）
【Github】@ApacheCN（t.cn/EKDjfDw）
自媒体平台

微博：@ApacheCN（t.cn/EKDjI58）
知乎专栏：AILearning（t.cn/E6U3xZR）
公众号：ApacheCN（t.cn/EKDjMm1）
CSDN（t.cn/EKDjI3g） | 博客园（t.cn/EKDjMAK） | 简书（t.cn/EisvWil） | bilibili（t.cn/EKDjMCs）

We are ApacheCN Open Source Organization, not ASF! We are fans of AI, and have no relationship with ASF!
合作 or 侵权，请联系 apachecn@163.com | 请抄送一份到 wizard.z@foxmail.com

标签：

ApacheCN 人工智能知识树 v1.0

统计机器学习

基础知识

线性回归/逻辑回归/softmax 回归

决策树/随机森林

GDBT/XGBoost

朴素贝叶斯

支持向量机

K 近邻

KMeans

均值移动

层次聚类

DBSCAN

高斯混合

Boosting/Bagging/Blending

AdaBoost

PCA

LDA

流形学习

异常检测

Apriori/FP-growth

深度学习

基础知识

MLP

CNN

RNN

时间序列

机器视觉

图嵌入/图的表示学习

自然语言处理

强化学习

推荐系统

预处理/特征工程

模型评估/模型调优

最优化

梯度下降

其它

关于我们

本文作者的其他文章

ApacheCN 人工智能知识树 v1.0的评论 (共 条)

你可能也喜欢这些文章

最新发布的文章

ApacheCN 人工智能知识树 v1.0的评论 (共条)