机器学习算法归纳
专业课中包含高等数学(或数值分析)、线性代数、概率基础、数据结构、计算机体系结构和操作系统;熟练掌握一门开发语言,如JAVA、C/C++、Python等。
机器学习入门
- 线性回归简介
- 回归中的损失函数
- 损失函数的概率解释
- 过拟合
- Scikit-Learn中带正则的线性回归模型
- 正则的概率解释
- 线性回归模型解析求解
- 线性回归模型梯度下降法求解
- 线性回归模型坐标轴下降求解
- 回归模型性能评价指标
- 交叉验证与模型评估
- 线性回归案例分析: Boston房价预测
- 特征工程:共享单车骑行量预测
- Logistic回归简介
- Logistic损失函数
- 正则项
- 牛顿法
- Logistic回归的优化求解
- 多类分类任务
- 类别样本不均衡数据
- 分类模型评价指标
- Scikit-Learn中的Logistic回归
- Logistic回归案例分析:Otto商品分类
- 特征工程:糖尿病发病预测
机器学习基础算法
- SVM简介
- 带松弛变量的SVM模型: CSVM
- 对偶问题; 核方法
- 支持向量回归:SVR
- Scikit-Learn中的SVM
- SVM案例分析:Otto商品分类
- 决策树; Scikit-Learn中的决策树模型
- 决策树案例分析:Otto商品分类
- Bagging和随机森林
- Scikit-Learn中的随机森林模型
- 随机森林案例分析:Otto商品分类
- Adaboost
- GBM
- Scikit-Learn中的GBM
- XGBoost原理
- XGBoost工具包使用指南
- XGBoost的Scikit-Learn接口
- XGBoost案例分析:Otto商品分类
- LightGBM原理
- LightGBM使用指南
- LightGBM案例分析:Otto商品分析
- PCA降维原理
- Scikit-Learn中的PCA
- t-SNE
- Scikit-Learn中的 t-SNE
- 降维案例分析:Otto商品数据降维分析
- 聚类简介
- KMean聚类算法
- Scikit-Learn中的 KMean聚类
- 聚类案例分析:Event聚类
- 推荐系统简介
- 基于内容的推荐
- 基于用户的协同过滤
- 基于物品的协同过滤
- 基于矩阵分解的协同过滤
- 协同过滤推荐案例分析:MovieLens电影推荐
- CTR预估简介
- FTRL模型
- FM与FFM
- GBDT
- Wide and Deep Learning模型
- CTR案例分析:Criteo CTR预估
深度学习入门
- 深度学习历史与介绍
- 深度学习解决的问题
- 感知器介绍
- 神经网络的拟合能力
- 全连接神经网络介绍
- 前向传播
- 反向传播
深度学习基础算法
- 整体介绍
- 数据预处理
- 神经网络简介
- 激活函数
- Batchnorm
- Dropout
- 网络连接方式
- Ground truth
- 损失函数
- 学习率
- 优化算法
- 过拟合与欠拟合
- 正则化
- 参数的初始化
机器学习的数学基础
- 线性代数(Linear Algebra)
- 概率与统计
- 统计推理
- 随机变量
- 概率分布
- 中心极限定理
- 梯度下降
- 凸函数
线性模型(Linear Models)
- 线性模型
- 最小二乘法(LMS)
- 感知机(Perceptron)
- 对数几率回归
- 线性模型的概率解释
- 线性判别分析
- 约束线性模型
- 稀疏表示与字典学习
核方法(Linear Models)
- 对偶拉格朗日乘子
- KKT条件(KKT Conditions)
- Support Vector Regression(SVR)
- 核方法(Kernel Mothods)
- 支持向量机SVM
统计学习(Statistics Learning)
- 判别模型与生成模型
- 混合模型
- EM算法(Expectation Maximization)
- 隐马科夫模型(hidden Markov Models)
- 条件随机场(Condition Random Field)
- 层次图模型
- 概率图模型
- 从隐含语义模型到p-LSA (From LSA to P-LSA)
- Dirichlet 分布与特点 (Dirichlet Distribution)
- 对偶分布(Conjugate Distribution)
- 主题模型(Topic Model - LDA )
- 中文主题模型
流式学习(Manifold Learning)
- 主成分分析
- 低维窃入
强化学习(Reinforcement Learning)
- 奖赏与惩罚
- 路径规划
神经网络(Reinforcement Learning)
- 多层神经网络
- 自动编码器