机器学习， 周志华
2021-05-04 11:42:55 0 举报AI智能生成
登录查看完整内容
为你推荐
查看更多
作者以为, 入门阶段最需要的是理清基本概念、了解领域概貌. 这好比人们到了一个陌生的地方, 首先要去找张地图, 大致弄清哪里是山、哪里有水、自己身在何处, 然后才好到具体区域去探索.
作者其他创作
大纲/内容
机器学习知识框架
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
Logistic Regression
Logistic Regression模型
阈值函数
Sigmoid函数
子主题
数理统计
似然估计
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
极大似然估计
对数似然
牛顿法
L-BFGS
Softmax Regression算法
目标函数
岭回归和Lasso回归
CART树回归
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
决策树算法
单棵树
负的Log似然函数（NLL）
？？？
梯度下降法（GD）
初始点
下降方向
微积分
求偏导
泰勒级数
步长
凸优化问题
集成学习
bagging算法
随机森林
boosting算法
酉函数
数学基础
导数/偏导数
概率论基础
协方差
中心极值定理
矩估计
模型训练思考方式
确定问题
特征工程
设计目标函数（模型）
设计损失函数
均方误差（MSE）
设计优化方法
梯度下降算法
0 条评论
回复 删除
下一页
