机器学习课程复习

最新推荐文章于 2024-07-12 15:56:49 发布
最新推荐文章于 2024-07-12 15:56:49 发布
阅读量667 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
06-16 972
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
06-16 407
机器学习课程复习——ANN
机器学习课程复习——基本概念
Winkyyyyyy的博客
06-10 827
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
06-18 739
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
06-15 920
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 1150
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
03-18 673
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——决策树
Winkyyyyyy的博客
06-19 490
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。
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——逻辑回归
Winkyyyyyy的博客
06-15 769
逻辑回归=线性回归+sigmoid函数
机器学习（五） -- 监督学习（7） --SVM2
zqx1473的博客
07-11 544
tips：标题前有“***”的内容为补充内容，是给好奇心重的宝宝看的，可自行跳过。文章内容被“文章内容”删除线标记的，也可以自行跳过。！！”一般需要特别注意或者容易出错的地方。本系列文章是作者边学习边总结的，内容有不对的地方还请多多指正，同时本系列文章会不断完善，每篇文章不定时会有修改。由于作者时间不算富裕，有些内容的《算法实现》部分暂未完善，以后有时间再来补充。见谅！文中为方便理解，会将接口在用到的时候才导入，实际中应在文件开始统一导入。三、**算法实现。
【深度学习】图形模型基础(7)：机器学习优化中的方差减少方法(1)
MUKAMO的博客
07-11 910
随机优化中，方差降低技术（VR方法）自近八年崛起，显著提升了随机梯度下降算法（SGD）的收敛速度。VR方法允许多次迭代训练数据，理论与实践均优于传统SGD。本文概述VR方法在有限数据集优化中的关键原则与进展，针对非专家，聚焦凸优化环境，并引导读者探索非凸函数最小化的扩展领域。VR方法的快速发展展现了其在机器学习中的巨大潜力与前景。
引领未来：在【PyCharm】中利用【机器学习】与【支持向量机】实现高效【图像识别】
最新发布
小李很执着的博客
07-12 3083
支持向量机（SVM）进行图像识别的完整过程，包括从获取并可视化MNIST数据集、进行数据标准化、划分训练和测试集、通过网格搜索优化SVM模型、评估模型性能到预测新图像的各个步骤，并在代码中添加了调试输出和计时器以便更好地跟踪和优化整个过程。
kmeans.fit_predict 和 kmeans.fit有什么区别
hello！
07-11 372
方法在训练模型的同时，还会返回每个样本的聚类标签。如果需要训练模型并立即得到聚类结果，可以使用。是 scikit-learn 库中用于执行 K-means 聚类算法的类。如果只需要训练模型而不需要立即得到聚类结果，可以使用。是该类中的两个方法，的主要区别在于返回的内容和用途。方法仅用于训练模型，而。

“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