返回

《自然语言处理实用指南：NLP 终身学习伴侣》

导航
上一页
第51条 至 第100条
下一页
免费
第 51 节 梯度下降法：求解函数的最大小值
免费
第 52 节 梯度下降法：梯度下降法 1
免费
第 53 节 梯度下降法：梯度下降法 2
免费
第 54 节 梯度下降法：梯度下降法 3
免费
第 55 节 梯度下降法：梯度下降法 4
免费
第 56 节 梯度下降法：对于逻辑函数的求导
免费
第 57 节 逻辑回归的梯度下降法：求解 W
免费
第 58 节 逻辑回归的梯度下降法：求解 B
免费
第 59 节 逻辑回归的梯度下降法：全局局部
免费
第 60 节 随机梯度下降法：梯度下降法的缺点
免费
第 61 节 随机梯度下降法：随机梯度下降法
免费
第 62 节 随机梯度下降法：小批量梯度下降法
免费
第 63 节 随机梯度下降法：比较不同的算法
免费
第 64 节 随机梯度下降法：比较不同的算法（鞍点）
免费
第 65 节 案例代码：数据理解
免费
第 66 节 案例代码：数据预处理
免费
第 67 节 案例代码：数据预处理之独热编码
免费
第 68 节 案例代码：独热编码
免费
第 69 节 案例代码：模型的训练
免费
第 70 节 案例模型评估：精确率和召回率
免费
第 71 节 案例模型评估：F1score
免费
第 72 节 什么是过拟合：逻辑回归的参数
免费
第 73 节 什么是过拟合：当数据线性可分的时候
免费
第 74 节 控制参数的大小：添加 L2 正则
免费
第 75 节 控制参数的大小：梯度下降法
免费
第 76 节 控制参数的大小：lambda 的影响
免费
第 77 节 什么是过拟合
免费
第 78 节 如何防止过拟合现象：构建泛化能力强的模型
免费
第 79 节 如何防止过拟合现象：模型的过拟合
免费
第 80 节 模型复杂度和过拟合：模型的复杂度
免费
第 81 节 模型复杂度和过拟合：如何避免过拟合
免费
第 82 节 如何防止过拟合现象：正则的作用
免费
第 83 节 L1L2 正则：常见的两种正则
免费
第 84 节 L1L2 正则：L1L2 的几何意义
免费
第 85 节 L1 的不足之处：计算上的挑战
免费
第 86 节 L1 的不足之处：特征选择面临的问题
免费
第 87 节 L1 与 L2 正则：交叉验证
免费
第 88 节 L1 与 L2 正则：交叉验证——k 折
免费
第 89 节 L1 与 L2 正则：交叉验证——留一
免费
第 90 节 正则与先验的关系：最大后验估计
免费
第 91 节 正则与先验的关系：最大似然和最大后验
免费
第 92 节 正则与先验的关系：高斯分布
免费
第 93 节 正则与先验的关系：拉普拉斯分布
免费
第 94 节 正则与先验的关系：最大后验估计趋近于最大似然
免费
第 95 节 案例 1：模型的超参数
免费
第 96 节 案例 2：GridSearchCV 的使用
免费
第 97 节 贝叶斯的应用：垃圾邮件
免费
第 98 节 贝叶斯的应用：垃圾邮件代码
免费
第 99 节 计算单词的概率：垃圾邮件分类
免费
第 100 节 朴素贝叶斯模型的训练：贝叶斯定理
上一页
第51条 至 第100条
下一页