Tài liệu đọc Nhập môn Học máy và khai phá dữ liệuTác giả: Thân Quang Khoát
Tài liệu đọc "Nhập môn Học máy và khai phá dữ liệu" bao gồm 4 chương: Chương 1 sẽ trình bày những khái niệm, bài toán cơ bản nhất, và một số vấn đề của các hệ thống có khả năng học. Chương 2 bàn luận bài toán hồi qui và mô hình tuyến tính. Một số phương pháp huấn luyện khác nhau sẽ được trình bày, gồm bình phương tối thiểu, Ridge, và LASSO. Chương 3 sẽ trình bày một số mô hình học máy để giải quyết bài toán phân loại, gồm K-NN, cây quyết định, rừng ngẫu nhiên. Chương 4 chứa các khái niệm và vấn đề cơ bản của Khai phá dữ liệu. Một ví dụ cụ thể là khai phá luật kết hợp sẽ được trình bày. Mời các bạn cùng tham khảo!
Tối ưu hóa quá trình hấp phụ xanh methylene bằng phương pháp mạng thần kinh nhân tạo và phương pháp máy vectơ hỗ trợ bình phương nhỏ nhất
Bài viết đề xuất việc tối ưu hóa quá trình hấp phụ chất màu hữu cơ độc hại Methylene Blue (MB) nhờ vật liệu tổ hợp nano Sunfat Kẽm/Than hoạt tính ( ZnS NPs/AC ) nhằm xác định các điều kiện thực nghiệm để tối ưu hóa hiệu suất hấp phụ MB bằng mô hình trí tuệ nhân tạo (ANN) và mô hình Least Squares Support Vector Machine (LS-SVM).
Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 9 - Nguyễn Nhật Quang
Bài giảng Nhập môn Học máy và Khai phá dữ liệu: Chương 9, chương này cung cấp cho học viên những nội dung về: phân lớp; máy vectơ hỗ trợ (Support vector machine); mặt siêu phẳng phân tách; mặt siêu phẳng có lề cực đại; dữ liệu phân tách được tuyến tính (SVM); tính toán mức lề;... Mời các bạn cùng tham khảo chi tiết nội dung bài giảng!
Bài giảng Học máy: Các phương pháp học có giám sát (P7) - Nguyễn Nhật Quang
Bài giảng Học máy - Các phương pháp học có giám sát: Máy vectơ hỗ trợ cung cấp cho người học các kiến thức: Giới thiệu về máy vectơ hỗ trợ, mặt siêu phẳng phân tách, mặt siêu phẳng có lề cực đại, dữ liệu phân tách được tuyền tính, tính toán mức lề, cực đại hóa mức lề, bài toán tối ưu,... Mời các bạn cùng tham khảo nội dung chi tiết.