17.1. Phương Pháp Phân Tích Suy Biến — Deep AI KhanhBlog

  • Lời nói đầu

Giới thiệu

  • Các chương dự kiến
  • Mục tiêu cuốn sách
  • Latex
  • Bảng thuật ngữ

Phụ lục

  • 1. Định dạng dữ liệu
    • 1.1. Các định dạng số, boolean và ký tự
  • 2. Pandas
    • 2.1. Khởi tạo dataframe
  • 3. Numpy
    • 3.1. Khởi tạo một mảng trên numpy
  • 4. Matplotlib
    • 4.1. Format chung của một biểu đồ trên matplotlib
  • 5. Lập trình hướng đối tượng (Object Oriented Programming - OOP)
    • 5.1. Class và Object
  • 6. Sklearn Pipeline
    • 6.1. Thiết kế pipeline
  • 7. Giới thiệu chung về optimization
    • 7.1. Bài toán dạng tổng quát

Đại số tuyến tính

  • 1. Đại số tuyến tính

Giới thiệu

  • 1. Giải tích tích phân

Xác suất

  • 1. Xác suất

Machine Learning

  • 1. Khái quát Machine Learning
  • 2. Bài toán dự báo
    • 2.1. Ứng dụng của hồi qui tuyến tính
  • 2.2. Hồi qui Ridge và Lasso
    • 2.2.2. Hồi qui Ridge
  • 3. Bài toán phân loại
    • 3.1. Hồi qui Logistic
  • 4. Độ chệch ( bias ) và phương sai ( variance )
    • 4.1. Sự đánh đổi giữa độ chệch và phương sai
  • 5. Thước đo mô hình phân loại
    • 5.1. Bộ dữ liệu
  • 6. Ứng dụng mô hình scorecard
    • 6.1. Phương pháp chuyên gia và mô hình
  • 7. Giới thiệu về SVM
    • 7.1. Hàm mất mát của SVM
  • 8. Khái niệm về cây quyết định
    • 8.1. Mô hình cây quyết định ( decision tree )
  • 9. Giới thiệu về mô hình rừng cây ( Random Forest )
    • 9.1. Ý tưởng của mô hình rừng cây
  • 10. Bạn là Tần suất ( Frequentist ) hay Bayesian ?
    • 10.1. Ước lượng hợp lý tối đa ( Maximum Likelihood Function - MLE )
  • 11. Giới thiệu về feature engineering
    • 11.1. Feature Engineering
  • 12. Phương pháp tăng cường ( Boosting )
    • 12.1. AdaBoosting
  • 13. k-Means Clustering
    • 13.1. Các bước của thuật toán k-Means Clustering
  • 14. Hierarchical Clustering ( phân cụm phân cấp )
    • 14.1. Chiến lược hợp nhất ( agglomerative )
  • 15. DBSCAN
    • 15.1. Phương pháp phân cụm dựa trên mật độ ( Density-Based Clustering )
  • 16. Gaussian Mixture Model
    • 16.1. Ước lượng MLE cho phân phối Gaussian đa chiều
  • 17. Giảm chiều dữ liệu
    • 17.1. Phương pháp phân tích suy biến

Đóng góp từ những tác giả khác

  • Tích phân Riemann và định lý Fubini
  • Lý thuyết thông tin

Từ khóa » Suy Biến