机器学习知识框架
2018-06-25 14:53:57 147 举报AI智能生成
机器学习算法思维导图
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
0 条评论
下一页
