登录免费注册

首页  思维导图  详情



 



机器学习知识框架

机器学习知识框架

2018-06-25 14:53:57   148  举报





AI智能生成

机器学习算法思维导图

思维导图

机器学习

深度学习

笔记

人工智能

读书笔记

学习笔记

模板推荐

作者其他创作

大纲/内容

无监督学习

聚类算法

K-means

Mean Shift

DBSCAN

Lable Propagation

推荐算法

协调过滤算法

基于矩阵分解的推荐算法

基于图的推荐算法

深度学习

AutoEncoder

卷积神经网络

项目实践

<b>阈值函数</b>

Sigmoid函数

子主题

<b>损失函数</b>

负的Log似然函数（NLL）

子主题

<b>数理统计</b>

似然估计

极大似然估计

？？？

<b>优化算法</b>

梯度下降法（GD）

初始点

下降方向

步长

凸优化问题

概览

概念

机器学习是从数据中学习和提取有用的信息，不断提升机器的性能

算法

监督学习(Supervised Learning)

分类（Classification）

回归（Regression）

无监督学习(Unsupervised Learning)

聚类（Clustering）

半监督学习(Semi-Supervised Learning)

增强学习(Reinforcement Learning)

监督学习

分类算法<br>

Logistic Regression

Logistic Regression模型

Softmax Regression

Factorization Machine

支持向量机

随机森林（Random Forest）

BP神经网络

KNN算法

回归算法

线性回归算法

目标函数（模型）

线性回归函数

损失函数

求误差平方和最小

优化算法

随机梯度下降

最小二乘法

逻辑回归算法

目标函数（模型）

损失函数

极大似然估计

对数似然

优化算法

随机梯度下降

牛顿法

L-BFGS

Softmax Regression算法

目标函数

损失函数

优化算法

岭回归和Lasso回归

CART树回归

酉函数

梯度

<b>微积分</b>

求偏导

泰勒级数

模型训练思考方式

确定问题

特征工程

设计<u>目标函数</u>（<u>模型</u>）

设计损失函数

均方误差（MSE）

子主题

子主题

设计优化方法

梯度下降算法

随机梯度下降

凸函数

L1/L2正则化

决策树算法

单棵树

子主题

子主题

集成学习

bagging算法

随机森林

boosting算法

数学基础

微积分

导数/偏导数

概率论基础

协方差

中心极值定理

矩估计

特征工程

 Collect

Get Started

机器深度学习知识框架笔记总结

 Collect

Get Started

简要机器学习知识框架

 Collect

Get Started

机器学习与推荐系统

 Collect

Get Started

学习出路框架分析













评论

0 条评论

下一页



图形选择

思维导图

主题

补充说明

AI生成





修改AI描述

去编辑

重新生成

提示 

关闭后当前内容将不会保存，是否继续？

取消

确定

Document