前言:
本笔记是在本人记录的李航老师《统计学习方法》笔记的基础上,对周志华老师《机器学习》中各章节涉及的额外知识(《统计学习方法》中没有提及的)进行整理,用于知识拓展。对于相同的概念或定义,不再重复叙述。本笔记主要用以应对夏令营面试中可能会问到的机器学习方面的问题,比较泛泛而谈,不包含证明过程和详细的算法推导流程,如果您对这些内容感兴趣,建议参考原书。大佬可自行绕路
材料来源:
教材下载链接: 周志华机器学习_西瓜书_2016年出版
参考笔记:
Sophia-11 / Machine-Learning-Notes / 16章完整手推笔记
章节笔记:
章节 | 内容概况 | 课后题答案 | 重要性 |
---|---|---|---|
第1章 绪论 | 1)基本术语 2)假设空间 3)归纳偏好 4)发展历程 5)应用现状 6)阅读材料 | 第1章 绪论 | ⭐⭐⭐ |
第2章 模型评估与选择 | 1)经验误差和过拟合 2)评估方法 3)性能度量 4)比较检验 5)偏差与方差 | 第2章 模型评估与选择 | ⭐⭐⭐ |
第3章 线性模型 | 1)线性回归 2)对数几率回归 3)线性判别分析 4)多分类学习 5)类别不平衡问题 6)阅读材料 | 第3章 线性模型 | ⭐⭐⭐ |
第4章 决策树 | 1)划分选择 2)剪枝处理 3)连续与缺失值 4)多变量决策树 5)阅读材料 | 第4章 决策树 | ⭐⭐⭐ |
第5章 神经网络 | 1)神经元模型 2)感知机与多层网络 3)全局最小与局部最小 4)其他常见神经网络 5)深度学习 6)阅读材料 | 第5章 神经网络 | ⭐⭐⭐ |
第6章 支持向量机 | ⭐⭐⭐ | ||
第7章 贝叶斯分类器 | ⭐⭐⭐ | ||
第8章 集成学习 | ⭐⭐⭐ | ||
第9章 聚类 | ⭐⭐⭐ | ||
第10章 降维与度量学习 | ⭐⭐⭐ | ||
第11章 特征选择与稀疏学习 | ⭐⭐⭐ | ||
第12章 计算学习理论 | ⭐⭐⭐ | ||
第13章 半监督学习 | ⭐⭐⭐ | ||
第14章 概率图模型 | ⭐⭐⭐ | ||
第15章 规则学习 | ⭐⭐⭐ | ||
第16章 强化学习 | ⭐⭐⭐ |