温馨提示：本站仅提供公开网络链接索引服务，不存储、不篡改任何第三方内容，所有内容版权归原作者所有
AI智能索引来源：http://www.ibm.com/cn-zh/think/topics/machine-learning-algorithms
点击访问原文链接

什么是机器学习算法？| IBM

进入原网站 导航首页
欢迎概述机器学习类型机器学习算法统计机器学习机器学习的线性代数不确定性量化偏差方差权衡概述特征选择特征提取矢量嵌入潜在空间主成分分析线性判别分析上采样下采样合成数据数据泄露概述线性回归套索回归岭回归状态空间模型时间序列自回归模型概述决策树K 最近邻 (KNN)朴素贝叶斯随机森林支持向量机逻辑回归概述Boosting装袋梯度提升梯度提升分类器概述迁移学习概述概述K 表示聚类分层聚类先验算法高斯混合模型异常检测概述协同过滤内容过滤概述根据人类反馈进行强化学习概述概述反向传播编码器-解码器模型递归神经网络卷积神经网络概述注意力机制分组查询注意力位置编码自编码器Mamba 模型图形神经网络概述生成式模型生成式 AI 与预测性 AI概述推理模型小型语言模型指令调整LLM 参数LLM 温度LLM 基准LLM 定制扩散模型变分自编码器 (VAE)生成式对抗网络 (GAN)概述视觉语言模型教程：构建一个 AI 造型师教程：使用 Llama 的多模态 AI 查询教程：使用 Pixtral 的多模态 AI 查询教程：使用 Granite 自动生成播客转录教程：PPT AI 图像分析问答系统概述GraphRAG教程：使用 Docling 和 Granite 构建多模态 RAG 系统教程：使用 Ragas 评估 RAG 管道教程：RAG 分块战略教程：使用知识图谱的图形 RAG教程：推理扩展以提升多模态 RAG概述Vibe 编码查看 2025 年 AI 智能体指南概述损失函数训练数据模型参数梯度下降随机梯度下降超参数调整学习率概述参数高效微调 (PEFT)LoRA教程：使用 LoRa 微调 Granite 模型正则化基础模型过拟合欠拟合少样本学习零样本学习知识提炼元学习数据增强灾难性遗忘概述Scikit-learnXGBoostPyTorch概述AI 生命周期AI 推理模型部署机器学习管道数据标签模型风险管理模型漂移AutoML模型选择联邦学习分布式机器学习AI 堆栈概述Natural Language Understanding概述情感分析机器翻译概述信息检索信息提取主题模型潜在语义分析隐含狄利克雷分布命名实体识别词嵌入Bag of words智能搜索语音识别词干提取和词形还原文本摘要会话式 AI会话分析自然语言生成概述图像分类物体检测实例分割语义分割光学字符识别图像识别视觉检查Dave Bergmann人工智能机器学习数据科学线性回归伪代码AI 模型训练机器学习模型模型的参数过度拟合IBM 隐私声明监督学习基本事实无监督学习强化学习 (RL)半监督学习自监督学习大型语言模型 (LLM)“预训练微调观看 Mixture of Experts 所有剧集模型参数损失函数分类线性回归决策树状态空间模型 (SSM)自然语言处理 (NLP)朴素贝叶斯贝叶斯定理逻辑回归sigmoid 函数K 最近邻 (KNN)向量嵌入空间支持向量机 (SVM)半监督学习自监督学习自编码器大型语言模型 (LLM)计算机视觉多模态 AI无监督机器学习超参数调整聚类算法异常检测K 均值聚类Apriori 算法降维潜在空间主成分分析 (PCA)自编码器集成学习强化学习推理模型基于人类反馈的强化学习 (RLHF)集成学习提升算法XGBoost（eXtreme机器学习库Bagging随机森林知识蒸馏深度学习机器学习生成式 AI人工智能特征工程机器学习深度学习受限制的玻尔兹曼机模型训练图像分割卷积正则化电子书 解锁生成式 AI + 机器学习的强大功能 了解如何自信地将生成式 AI 和机器学习融入您的业务中。 阅读电子书技术趋势 2025 年主要战略技术趋势：AI智能体 下载这份 Gartner 研究报告，了解代理型 AI 为 IT 领导企业带来的潜在机遇和风险，并了解如何为下一波 AI 创新做好准备。 下载报告报告 下载《2024 年 AI 实际应用》 我们对全球 2000 家公司的 AI 计划进行了调查。《2024 年 AI 实际应用》是一份数据丰富的报告，全面介绍了 AI 领军者的概况，并提供了专家评论，探讨从他们的早期成就中可以学到什么。 阅读报告培训 提升您的机器学习专业知识 学习基本概念并通过亲手实验、课程、指导项目、试用等方式培养您的机器学习技能。 深入了解机器学习课程电子书 解锁生成式 AI + 机器学习的强大功能 了解如何自信地将生成式 AI 和机器学习融入您的业务中。 阅读电子书Techsplainers 播客 机器学习解析 IBM 的 Techsplainers 系列从核心概念到实际用例，为您解析机器学习的关键要点。清晰简短的节目助您快速掌握基础。 立即收听指南 让 AI 充分发挥作用：利用生成式 AI 提高投资回报率 想要从 AI 投资中获得更好的回报吗？了解如何通过帮助您最优秀的人才构建和提供创新的新解决方案，在关键领域扩展生成式人工智能来推动变革。 阅读指南电子书 如何选择合适的 AI 基础模型 了解如何为您的用例选择最合适的 AI 基础模型。 阅读电子书AI 模型 深入了解 IBM Granite IBM Granite 是我们开放式、性能优异、值得信赖的 AI 模型系列，专门为企业量身定制，并经过优化，可扩展您的 AI 应用。深入了解语言、代码、时间序列和护栏选项。 了解 Granite指南 树立信任，从容自信在 AI 新时代蓬勃发展 深入了解强大 AI 战略的 3 个关键要素：创造竞争优势、在整个企业中扩展 AI 以及推进值得信赖的 AI。 阅读指南了解 watsonx.ai深入了解 AI 解决方案深入了解人工智能服务深入了解 watsonx.ai预约实时演示《Energy-Based Self-Supervised Learning》《CHARM: An Efficient Algorithm for Closed Itemset Mining》，《Online Association Rule Mining》，《Semi-Supervised Learning with Ladder Networks》，《Kolmogorov’s Mapping Neural Network Existence Theorem》，《Multilayer Feedforward Networks with a Non-Polynomial Activation Function Can Approximate Any Function》

智能索引记录