一款针对纯小白开发的软件，不需要任何数学知识，傻瓜式软件，只需一键就可以利用最火热的机器学习方法做研究！不需要编程，一样可以使用机器学习方法~
软件称：Machine Learning Algorithm Application(MLAA)
软件版本：2.4
软件功能：机器学习算法应用
软件开发者：微信公众号【学术点滴】团队与微信公众号【文献计量】团队联合开发
软件用于Window64版本
软件核心功能：机器学习算法的具体应用
软件包含五大功能，分别是：
【1】中文文本分类与预测
【2】英文文本分类与预测
【3】数值型数据分类与预测
【4】降维分析
【5】聚类分析与预测
情感分析不就是文本分类吗？所以只要有相应的标签数据该软件是可以进行情感分析的。
应用的算法包括：
【1】应用于中文文本分类、验证、预测与评估的算法：
（1）K近邻模型
（2）最近质心模型
（3）贝叶斯模型
（4）决策树模型
（5）随机森林模型
（6）极端随机树模型
（7）AdaBoost模型
（8）梯度提升分类模型
（9）逻辑分类模型
（10）岭分类模型
（11）支持向量机模型
（12）随即梯度下降模型
（13）被动攻击分类模型
（14）线性感知器模型
（15）神经网络模型
（16）Bagging模型
【2】应用于英文文本分类与预测的算法：
（1）K近邻模型
（2）最近质心模型
（3）贝叶斯模型
（4）决策树模型
（5）随机森林模型
（6）极端随机树模型
（7）AdaBoost模型
（8）梯度提升分类模型
（9）逻辑分类模型
（10）岭分类模型
（11）支持向量机模型
（12）随即梯度下降模型
（13）被动攻击分类模型
（14）线性感知器模型
（15）神经网络模型
（16）Bagging模型
【3】应用于数值型数据分类与预测的算法：
（1）K近邻模型
（2）最近质心模型
（3）贝叶斯模型
（4）决策树模型
（5）随机森林模型
（6）极端随机树模型
（7）AdaBoost模型
（8）梯度提升分类模型
（9）逻辑分类模型
（10）岭分类模型
（11）支持向量机模型
（12）随即梯度下降模型
（13）被动攻击分类模型
（14）线性感知器模型
（15）神经网络模型
（16）Bagging模型
（17）标签传播模型
（18）线性判别分析模型
（19）二次判别分析模型
【4】数据降维的算法：
（1）PCA降维
（2）增量PCA降维
（3）核PCA降维
（4）截断奇异值分解降维
（5）因子分析降维降维
（6）独立分量分析降维
（7）多维缩放MDS降维
（8）TSNE降维
【4】聚类分析的算法：
（1）K均值聚类、预测与评估
（2）MiniBatchKMeans聚类、预测与评估
（3）Birch聚类、预测与评估
（4）近邻传播聚类、预测与评估
（5）谱聚类、预测与评估
（6）层次聚类、预测与评估
课程仅教大家如何使用，不涉及数学和算法具体原理，小白可放心学习，颠覆性提升自身能力的机会来了！！！
点击推文左下角【阅读原文】学习吧！
网友评论