iT邦幫忙

2021 iThome 鐵人賽
DAY 16
0
DevOps

中台化轉型系列 第 16 篇

機器學習：演算法

13th鐵人賽
891 瀏覽

  • 分享至 

  • xImage
    •  
  • 線性代數
    • LR：邏輯迴歸(Logistic Regression)：
      預測事件發生的機率(y=1)，當特徵值與目標之間為非線性關係時將難以發揮效用。
    • FTRL：跟隨正則化領導者(Follow the Regularised Leader)
      結合了梯度下降演算法(FOBOS)和正則對偶平均演算法(RDA)，具備精度與特徵稀疏(Lasso)的優點。
    • MLR：多元線性迴歸(Multiple Logistic Regression)
  • 因數分解機
    • MF：矩陣分解(Matric Factorization)
    • FM：因數分解(Factorization Machines)
    • FFM：場域感知分解(Field-aware Factorization Machine)
  • 決策樹
    • GBDT：梯度提升樹(Gradient Boost Decision Tree)
    • XGBoost：極限梯度提升(Extreme Gradient Boosting)
    • LightGBM：輕量梯度提升(Light Gradient Boosting Machine)
      訓練速度快、記憶體使用率低、準確率高。

上一篇
機器學習：建模方法
下一篇
機器學習：深度學習
系列文
中台化轉型 共 30 篇
  1. 26
    大數據平台：資料倉儲
  2. 27
    大數據平台：分散式計算
  3. 28
    大數據平台：分散式檔案
  4. 29
    大數據平台：訊息中介
  5. 30
    大數據平台：叢集管理
完整目錄
圖片
  直播研討會
圖片
{{ item.channelVendor }} {{ item.webinarstarted }} |
{{ formatDate(item.duration) }}
直播中

尚未有邦友留言

立即登入留言
iThome鐵人賽
參賽組數
1064 組
團體組數
40 組
累計文章數
22203 篇
完賽人數
602 人
iT+看影片追技術 看影片追技術 看更多
熱門tag 看更多
15th鐵人賽 16th鐵人賽 13th鐵人賽 14th鐵人賽 12th鐵人賽 11th鐵人賽 鐵人賽 2019鐵人賽 javascript 2018鐵人賽 python 2017鐵人賽 windows php c# windows server linux css react vue.js
熱門問題
熱門回答
熱門文章
IT邦幫忙