AI時代Math元年 - 用Python全精通機器學習

✴︎ 迴歸分析：深度挖掘資料中變數間的關聯性與規律

✴︎ 線性迴歸：透過直線模型解讀簡單資料的趨勢與變化

✴︎ 多元線性迴歸：建構高維資料模型，分析多重影響因素

✴︎ 非線性迴歸：處理複雜資料模式，探索非線性關係的應用

✴︎ 正規化迴歸：透過嶺回歸與套索迴歸有效抑制模型過擬合

✴︎ 貝氏迴歸：結合先驗知識與數據，實現貝氏統計推斷

✴︎ 高斯過程：深入了解從理論到應用的高斯模型方法

✴︎ k最近鄰分類：運用鄰近資料進行分類與迴歸的經典算法

✴︎ 決策樹：以層次結構實現資料分類與回歸的靈活應用

✴︎ 支援向量機：應對高維資料，實現精確分類與回歸分析

✴︎ 主成分分析：透過降維技術提取資料中的核心特徵與模式

✴︎ K平均值聚類：快速分群分析，尋找資料內部結構與規律

✴︎ 高斯混合模型：運用軟聚類技術實現精細的資料分群

✴︎ 最大期望演算法：優化模型參數，提升聚類與估計效能