机器学习课程复习

最新推荐文章于 2024-07-18 08:49:40 发布
最新推荐文章于 2024-07-18 08:49:40 发布
阅读量669 收藏 9
点赞数 9
分类专栏： 机器学习 文章标签： 机器学习 人工智能 算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/Winkyyyyyy/article/details/138715236
版权

参考书目：《统计学习方法》

选择题  5道  3分/道

填空题  5道  3分/道

简答题  3道  

计算题  1道  

算法设计题  1道

隐马尔可夫不考计算题

很有可能考计算题的知识点：KNN、决策树、支持向量机、聚类算法

小概率会考计算题的知识点：线性回归（最小二乘法，代公式算参数w），逻辑回归（极大似然法算参数），贝叶斯（用于分类），奇异值分解，集成学习的adaboost

1. 机器学习基本知识

机器学习课程复习——基本概念-CSDN博客

b28f1cc7cf724a1a9c35c94483faae22.png2. K近邻 

机器学习课程复习——KNN-CSDN博客

最低0.47元/天 解锁文章
是Winky啊
关注
  • 9
    点赞
  • 踩
  • 9
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
机器学习课程复习——聚类算法
Winkyyyyyy的博客
06-16 977
机器学习课程复习——聚类算法
机器学习期末复习题及答案
03-19
机器学习期末复习题及答案
机器学习课程复习——ANN
Winkyyyyyy的博客
06-16 409
机器学习课程复习——ANN
机器学习课程复习——KNN
Winkyyyyyy的博客
06-10 232
KNN算法是一种基于实例的学习方法，属于监督学习范畴，主要用于分类和回归任务。在这里，我们主要研究他在分类中的使用。
机器学习课程复习——基本概念
Winkyyyyyy的博客
06-10 832
机器学习基本概念
机器学习课程复习——朴素贝叶斯
Winkyyyyyy的博客
06-18 741
朴素贝叶斯分类器（Naive Bayes Classifier）是一种基于贝叶斯定理与特征条件独立假设的生成式分类方法。
机器学习课程复习——隐马尔可夫
Winkyyyyyy的博客
06-15 922
机器学习课程复习——隐马尔可夫
机器学习课程复习——集成学习
Winkyyyyyy的博客
06-19 1152
集成学习的主要思想是“集思广益”，即通过组合多个模型的预测来减少错误和提高预测的准确性。
【机器学习课程复习】
ZHAO__JW的博客
03-18 675
文章目录一、机器学习概论1.机器学习定义机器学习的概念机器学习的定义2.机器学习基本知识可以使用ML的三个必要条件基本术语工作流程分类二、机器学习理论霍夫丁不等式三、模型优化与验证方法模型选择方法 一、机器学习概论 1.机器学习定义 机器学习的概念 什么是机器学习？ 从大量数据中获得知识或技能的过程 什么是知识/技能？ 知识/技能的获取等价于某种经验或性能指标的提升 so，机器学习：从数据中获得某种性能指标的提升 机器学习的定义 1959 Aruthur Samul:机器学习是一个不通过显著式编程来赋予计算
机器学习课程复习知识点总结1
08-03
机器学习是一门研究计算机如何自动通过经验学习的科学，它融合了概率论、统计学、逼近论等多个领域的知识，旨在设计和分析能够从数据中自动发现规律并进行预测的算法。机器学习算法在各种应用场景中表现出色，如数据...
电子科大 机器学习 课程复习课件
01-11
英文版课件，作业，和 课程教材PRML 的样书，适合初学者学习。所有资料均为英文！
机器学习期末复习题.pdf
01-06
机器学习期末复习题库 机器学习是人工智能领域中的一门重要学科，涉及到各种算法和技术，以下是机器学习期末复习题库的详细解析： 监督学习和无监督学习 监督学习是指在有标签的数据集上训练模型，以便在未来的...
斯坦福机器学习复习笔记
12-12
【斯坦福机器学习复习笔记】是一份集合了斯坦福大学机器学习课程精华的资源包，旨在为学习者提供深入理解机器学习理论与实践的全面指导。这份资料包含了丰富的讲义、笔记以及一本模式识别的经典电子书，对于正在探索...
机器学习课程复习——决策树
Winkyyyyyy的博客
06-19 492
决策树通过学习数据特征之间的简单决策规则来预测目标变量，包含特征选择、树的生成、剪枝等步骤。选择一个属性作为分裂节点时，通常基于信息增益、增益率或基尼指数，分别对应ID3、C4.5、CART算法。
AI算法16-贝叶斯线性回归算法Bayesian Linear Regression | BLR
yangguangjiujiu99的专栏
07-15 1125
线性回归的频率主义观点可能你已经学过了：该模型假定因变量（y）是权重乘以一组自变量（x）的线性组合。完整的公式还包含一个误差项以解释随机采样噪声。如有两个自变量时，方程为：模型中，y是因变量，β是权重（称为模型参数），x是自变量的值，ε是表示随机采样噪声的误差项或变量的影响。线性回归是一个简单的模型，它可以很容易解释：是截距项，其他权重β表示增加自变量对因变量的影响。例如，如果是1.2，那么对于中的每个单位增加，响应将增加1.2。我们可以使用矩阵方程将线性模型推广到任意数量的预测变量。
机器学习概述
2301_76828807的博客
07-15 411
机器学习概述
借助高能效GaN转换器，提高充电器和适配器设计的功率密度
Qingniu01的博客
07-16 716
在PD运行模式下，谐振电流和磁化电流之间的电流差经由变压器和整流器传递到二次侧，从而实现给负载供电. 除此之外，所有一个侧MOSFET均随ZVS谐振接通，从而完全回收存储在MOSFET寄生输出电容中的能量。能够实现更高功率密度的转换器拓扑 事实证明，得益于零电压开关（ZVS）和无缓冲损耗，诸如有源钳位反激式（ACF）、混合反激式（HFB）和LLC转换器等半桥（HB）拓扑，即使在很高开关频率下也能实现高能效。采用与LLC转换器相同的技术，在这种拓扑中，变压器漏感和磁化电感可与电容器发生谐振。
异常检测算法
m0_53881899的博客
07-15 482
异常检测算法
十六、【机器学习】【监督学习】- 支持向量回归 (SVR)
最新发布
技术分享、程序员趣事、行业趋势等内容！
07-18 796
在先前的文章系列中，我们深入探讨了机器学习的基础框架和算法分类，为读者构建了关于这一领域的坚实理论基础。本章节我们将焦点转向监督学习领域中的一个核心算法—— 神经网络回归，旨在详尽解析其内在逻辑、应用实践及重要参数调整策略。监督学习（Supervised Learning）是机器学习中的一种主要方法，其核心思想是通过已知的输入-输出对（即带有标签的数据集）来训练模型，从而使模型能够泛化到未见的新数据上，做出正确的预测或分类。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值