K_DM
Youtube
Twitter
1.
Introducción
2.
Aprendizaje automático
2.1
Regresión lineal
2.1.1 Método de mínimos cuadrados
2.1.2 Regresión Ridge y Lasso
2.1.3 Valores atípicos y robustez
2.2
Clasificación lineal
2.2.1 Regresión logística
2.2.2 Análisis discriminante lineal
2.3
Árbol de decisionesÁrbol de decisiones
2.3.1 Árbol de decisión (clasificación)
2.3.2 Árbol de decisión (regresión)
2.4
Conjunto
2.5
Agrupación
2.5.1 k-means
2.5.2 k-means++
2.5.3 X-means
2.6
Reducción de la dimensionalidad
2.9
Detección de anomalías
2.9.1 Detección de anomalías①
2.9.2 Detección de anomalías②
3.
Preprocesamiento de Datos
3.1
Datos numéricos
3.3.1 Binning
3.3.2 Transformaciones BoxCox
3.3.3 Transformación Yeo Johnson
4.
Metrik
4.2
Regresión
4.2.1 Coeficiente de correlación
4.3
ClasificaciónClasificación
4.3.1 ROC-AUC
5.
Series temporales
5.1
Gráficos y Preprocesamiento
5.1.1
Comprobar el conjunto de datos
5.3
Univariante
5.5
Forma y similitud
5.5.1 Dynamic Time Warping
6.
Visualización
6.1
Distribución de valores numéricos
6.1.1 Mapa de Japón
6.1.2 Tree map
6.1.3 Gráfico de rosquillas
6.1.4 Diagrama de Sankey
6.2
Categoría y número
6.2.1 Histogram
6.2.2 Diagrama de densidad
6.2.3 parcela de la cresta
6.2.4 Violin plot
7.
Datos económicosDatos económicos
7.3.1 Análisis del sentimiento del texto
7.2.1 Prima de riesgo del país
7.2.2 cambios positivos y negativos
7.2.3 Carta del radar
Issues
Privacy Policy
Youtube
Twitch
Twitter
Política de privacidad
Notificación de problemas/errores
Deviant Art(AI artwork)
日本語
English
Bahasa Indonesia
Español
Darkmode
Borrar Historial
top page
>
Aprendizaje automático
> Detección de anomalías
Capítulo 9
Detección de anomalías
COPYRIGHT (C) 2021- K_DM. ALL RIGHTS RESERVED. [
Privacy policy
]