bootstrap加載表格數(shù)據(jù)時隱藏屬性 機器學(xué)習(xí)初學(xué)者需要了解的基本算法有哪些?
機器學(xué)習(xí)初學(xué)者需要了解的基本算法有哪些?這里簡單總結(jié)一下,具體內(nèi)容可以在作者 的主頁。回歸分析方法包括簡單線性回歸;簡單多項式回歸;多元線性回歸;多元多項式回歸;多元回歸;邏輯斯諦回歸;泊松泊松回歸;
機器學(xué)習(xí)初學(xué)者需要了解的基本算法有哪些?
這里簡單總結(jié)一下,具體內(nèi)容可以在作者 的主頁。
回歸分析方法包括簡單線性回歸;簡單多項式回歸;多元線性回歸;多元多項式回歸;多元回歸;邏輯斯諦回歸;泊松泊松回歸;Cox比例風(fēng)險回歸等。
無監(jiān)督聚類算法包括K-均值聚類、K-中心聚類、SOM神經(jīng)網(wǎng)絡(luò)聚類等。
監(jiān)督分類算法包括貝葉斯分類算法、ID3決策樹分類算法、C4.5決策樹分類算法、CART決策樹分類算法、支持向量機分類算法等。
神經(jīng)網(wǎng)絡(luò)和深度學(xué)習(xí)算法包括BP神經(jīng)網(wǎng)絡(luò)算法、自編碼神經(jīng)網(wǎng)絡(luò)算法、受限玻爾茲曼機算法、卷積神經(jīng)網(wǎng)絡(luò)算法、循環(huán)神經(jīng)網(wǎng)絡(luò)算法、遞歸神經(jīng)網(wǎng)絡(luò)算法等。
挖掘關(guān)聯(lián)規(guī)則的其他常用算法Apriori算法等。此外,一些常用的數(shù)據(jù)分析方法也需要了解,如方差分析、相關(guān)分析等。
20世紀出現(xiàn)的物理學(xué)的新研究有?
20世紀60年代,杰出的物理學(xué)家Geoffrey Chew提出了一種研究物理的新方法。那個時代的理論家們正試圖在一群新發(fā)現(xiàn)的粒子中尋找秩序(規(guī)律)。他們想知道哪些是自然界的基本成分,哪些是這些基本成分的化合物。然而,加州大學(xué)伯克利分校教授周反對這種區(qū)分。
自德謨克里特斯以來,科學(xué)家們一直在使用簡化的方法來了解宇宙,認為宇宙中的一切都是由一些無法進一步解釋的基本物質(zhì)組成的。但周推測,每個粒子都是由其他粒子組成的,而這些其他粒子又是通過交換粒子(膠子)結(jié)合起來的,從而傳遞一種力。所以粒子的特性是自洽反饋回路產(chǎn)生的。
周 的方法稱為自舉法。早期,周用bootstrap方法預(yù)言了ρ介子的質(zhì)量。ρ介子是由π介子組成的粒子,π介子通過交換ρ介子聚集在一起。
但是ρ介子是個特例,bootstrap方法很快就失去了優(yōu)勢。另一種競爭性理論將質(zhì)子、中子等粒子視為基本粒子——夸克。這種被稱為量子色動力學(xué)的夸克相互作用理論更好地匹配了實驗數(shù)據(jù),并很快成為粒子物理學(xué)的三大支柱之一。
但單個夸克的性質(zhì)似乎是任意的,在另一個宇宙中它們可能是不同的。物理學(xué)家認識到,這些粒子并不反映自然的一致理論。相反,無數(shù)可能的粒子可以想象在任何數(shù)量的空間維度中相互作用,每種情況都可以用它自己的 "量子場論與數(shù)學(xué)。
幾十年來,Bootstrap在物理學(xué)中一直不被重視。隨著物理學(xué)家們發(fā)現(xiàn)了似乎可以解決許和。;的問題存在許多問題的新bootstrap技術(shù)使這種方法復(fù)活了。雖然一致性條件對于梳理復(fù)雜的核粒子動力學(xué)還是沒有太大的幫助。但bootstrap已被證明是理解更對稱、更完美理論的有力工具。據(jù)專家稱,這些理論充當(dāng)了 "路標(biāo)和在所有可能的量子場論空間中。
當(dāng)新一代的物理學(xué)家探索這個抽象的理論空間時,他們似乎在驗證周 這是半個世紀前提出的愿景。他們的發(fā)現(xiàn)表明,所有量子場論的集合形成了獨特的數(shù)學(xué)結(jié)構(gòu)。
物理學(xué)家用bootstrap方法探索這個理論空間的幾何形式,尋找 "普遍性與多樣性。 "普遍性與多樣性是一種非同尋常的現(xiàn)象,例如,在磁鐵和水等不同的物質(zhì)中,也會發(fā)生同樣的行為。他們還發(fā)現(xiàn)了量子引力理論的一般特征,對我們自己宇宙中引力的量子起源和時空本身的起源有明顯的影響。