机器学习算法大纲

最新推荐文章于 2020-09-22 18:21:32 发布
最新推荐文章于 2020-09-22 18:21:32 发布
阅读量294 收藏 1
点赞数
分类专栏： 机器学习算法
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/qq_37526685/article/details/88425284
版权

机器学习算法

数学基础

  1. 函数介绍
  2. 向量
  3. 矩阵与张量
  4. 特征值和特征向量
  5. 奇异值分解
  6. Jacobian 和Hessian矩阵
  7. 凸函数
  1. 概率问题
  2. 独立性随机变量
  3. 期望、方差和协方差
  4. 联合概率
  5. 分布
  1. 有监督学习
  2. 损失函数
  3. 梯度下降
  4. 牛顿法
  1. 有参数和无参数模型
  2. KNN介绍
  3. 距离测算
  4. 朴素贝叶斯

决策树

  1. 决策树简介
  2. 信息熵
  3. ID3算法
  4. C4.5算法
  5. 决策树节点的划分
  6. CART树
  7. Bagging
  8. Boosting
  9. Gradient Boosting

线性模型

  1. 线性模型
  2. 最小二乘法
  3. 线性分类器
  4. 极大似然
  5. 逻辑回归
  6. 岭回归
  7. LASSO
  8. 优化方法

核方法

  1. 拉格朗日乘子法
  2. 最大间隔
  3. 拉格朗日对偶问题
  4. 支持向量机
  5. 线性划分

统计学习

  1. 贝叶斯公式
  2. 隐含变量和概率模型
  3. EM算法
  4. 琴生不等式
  5. 高斯混合模型
  6. 隐式尔可夫模型
  7. 隐式尔可夫模型在NLP中的应用
  8. 高维下的高斯模型
  9. 主题模型
  10. Dirichlet分布

无监督学习

  1. K-means算法
  2. 密度聚类DBSCAN
  3. PCA降维
  4. SVD降维
  5. isomap

流式学习

  1. 局部线性嵌入
  2. 分布随机领域嵌入

神经网络

  1. 神经网络简介
  2. 反向传播
  3. CNN
  4. RNN
  5. LSTM

强化学习

  1. List item
  2. List item

迁移学习

  1. List item
gyf红韵
关注
  • 0
    点赞
  • 踩
  • 1
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
常见机器学习算法大纲
Celoria今天补题了吗
03-05 534
期末学习报告 0.目录 期末学习报告0.目录1.基础概念2.多媒体信息表示2.1 图像2.2 视频2.3 作业中涉及的图像特征提取算法2.4 作业中涉及到的KNN算法3.线性模型3.1 基本形式3.2 特点3.3 线性回归3.3.1 最小二乘法3.3.2 多元线性回归3.3.3 线性回归拓展3.3.4 广义线性回归3.4 二分类3.4.1 单位阶跃函数3.4.2 对数几率函数3.4.3 对数几率回归3.4.4 线性判别分析LDA3.5 多分类4.决策树4.1 基本流程4.2 划分选择4.2.1 信息熵4.
《机器学习》教学大纲pdf
最新发布
06-09
概念与发展过程:研究不同种类的机器学习算法，包括: (1监督学习(参数非参数算法、支持向量机、内核、神经网络)。()非监督学习(聚类、降维、推荐系统、深度学习)。介绍机器学习的优秀案例(偏差1方差理论:)课程将拮取...
机器学习大纲、路线指导
11-30
 Python 基础与科学计算库 numpy  数据分析处理库与数据可视化库  回归算法  案例实战信用卡欺诈检测  决策树与随机森林  Kaggle 机器学习案例实战  支持向量机算法  神经网络模型  mnist 手写字体识别  聚类与集成算
机器学习大纲
卢国舅的博客
12-06 326
说明 机械行业，做了两年的机械与软件上位机的工作，两个月前决定以后从事软件工作，并将机器学习作为后续行业方向。经过两个月的时间，学习了python语言，学习了机器学习实战这本书的内容，初步对机器学习有了一个模糊的了解。为了后面进行系统的学习以及复习已学过的知识。准备列一个学习框架，以便更加系统的学习。此文章以及我的相关博客主要是为了记录自己学习历程，如果在这个过程中能够为知识的传播做出来些许贡献，...
机器学习教学大纲
金石软件
11-16 3236
一、周志华《机器学习》西瓜书训练营 【第一阶段】 1.了解机器学习基本概念 2.线性模型 3.入门比赛：“达观杯”NLP算法大赛 【第二阶段】 1.支持向量机 2.贝叶斯分类器 3.入门比赛：“达观杯”NLP算法大赛（其他算法进阶应用） 【第三阶段】 1.决策树 2.集成学习 3.进阶比赛：决策树和集成学习应用于天池o2o优惠券使用预测赛 【第四阶段】 1.特征选择 ...
机器学习0(大纲)
zhuchangbo18的博客
08-24 732
Hello, World! 在CSDN中学习到很多东西，很高兴能开始写作为后来的人铺路。 机器学习大体上包括监督学习（Supervised Learning）、无监督学习(Unsupervised Lea)和增强学习(Reinforcement Learning)。监督学习和无监督学习的主要区别是：监督学习有标签，对应两大类问题——回归(连续)和分类(离散)；无监督学习没有标签,对应的是聚类问...
模式识别与机器学习教学大纲.pdf
06-16
预备知识要求学生具备微积分、高等数学、线性代数、概率论与统计以及高级语言编程和数据结构的基础，这些是理解和应用机器学习算法的必备数学和编程技能。 通过这门课程，学生不仅能够掌握模式识别和机器学习的核心...
学习机器的总大纲，知识图解
10-02
学习机器的算法知识，系统性总结，方便理解，构建知识图谱，事半功倍
《机器学习》教学大纲和斯坦福《机器学习》公开课笔记
03-08
《机器学习》教学大纲通常包括以下核心内容： 一、引言 机器学习的定义与重要性 机器学习的历史与发展 机器学习的应用领域 二、基础知识 数据预处理：包括数据清洗、数据转换、特征选择等 数学基础：线性代数、...
机器学习收藏
qq_39787713的博客
09-22 592
在阿里天池上看到这篇文章，还是很值得一看的。 转载链接：https://yq.aliyun.com/articles/604097?spm=a2c4e.11163080.searchblog.100.65e02ec1Sk1FCu 目录 1. 机器学习 2. 机器学习算法：是使计算机具有智能的关键 下面我们将选取几种常见的算法，一一介绍。 1. 线性回归：找到一条直线来预测目标值 2. 逻辑回归：找到一条直线来分类数据 3. K-近邻：用距离度量最相邻...
机器学习大纲（本科）
老油子的博客
02-13 1111
机器学习 机器学习的方法 1有监督学习 分类问题 回归问题 2无监督学习不能通过对答案的方法进行学习 聚类 3半监督学习通过对少量的有标注的训练数据和大量的未标记的数据进行学习 4增强学习 只对输出的给评价 5多任务的学习 多个相关的任务放在一起进行学习 问题提出 莺尾花分类 1.数据处理 数据清洗 数据的完整性 数据的合法性 数据的权威性 数据的唯一性 数据的一致性 数据采样 对不平衡的数据进行...
机器学习实战学习提纲
PKU_ZZY的博客
02-08 768
机器学习实战学习提纲
机器学习算法复习整理系列之汇总（进行中）
weixin_43124670的博客
09-03 203
忙着实习了大半年，感觉诸多基础已经零散，已经错过了校招第一波了，有点遗憾，所以准备整理下已经的知识和理解，该系列基于此目标成型，期间会借鉴其他博主的博文，但绝对不会全文抄袭已经会给出自己的理解，毕竟能把别人讲懂才是真的懂，当然这些也只是原理的理解，整整业界使用，可以借助各种开源实现，当然强悍的工程实现能力与熟练的使用大数据处理工具才是能用上模型的基础 课程资料 机器学习：吴恩达 - 机器学...
【机器学习系列】—大纲总结
小火子
02-04 2373
机器学习是人工智能的核心，主要分为有监督学习和无监督学习。那么什么叫有监督和无监督呢？是否有监督，主要看输入的样本数据集是否有目标变量。有监督学习是有明确的目标变量，而无监督学习，此类的数据没有类别信息，也不给定目标值。 这段时间主要学习了有监督学习，所以下面对有监督学习进行一个大纲总结： 有监督学习 有监督学习一般使用两种类型的目标变量：标称型和数值型。标称型的目标变量结果只在有限目标
机器学习方法篇(26)------蒙特卡罗方法
对半独白
04-07 1722
● 每周一言 易怒与躁动，是不成熟的表现。 导语 蒙特卡洛，是袖珍之国摩纳哥的一座赌城名字。冯·诺依曼用一个赌城的名字命名蒙特卡洛方法，增加了这个方法的神秘性。那么，MC的算法思想是什么？ 蒙特卡罗方法 如上一节所述，MC是一种基于样本而不基于模型的价值学习方法，只需要在不断试错过程当中学习到的经验。总体来说，MC的核心思路步骤是：探索 → 模拟 → 抽样 → 估值 → 策略优化...
蒙特卡罗(Monte Carlo)方法简介
zzzxxv
05-25 5781
蒙特卡罗(Monte Carlo)方法，也称为计算机随机模拟方法，是一种基于"随机数"的计算方法。  一 起源     这一方法源于美国在第二次世界大战进研制原子弹的"曼哈顿计划"。Monte Carlo方法创始人主要是这四位：Stanislaw Marcin Ulam, Enrico Fermi, John von Neumann（学计算机的肯定都认识这个牛人吧）和 Nichol
机器学习知识点(三十五)蒙特卡罗方法
医疗影像检索
06-04 5299
强化学习中免模型学习采用蒙特卡罗方法去逼近最优解，那这种采样原理是怎样的呢？ 1、蒙特卡罗思想       是一类随机方法的统称。这类方法的特点是，可以在随机采样上计算得到近似结果，随着采样的增多，得到的结果是正确结果的概率逐渐加大，但在（放弃随机采样，而采用类似全采样这样的确定性方法）获得真正的结果之前，无法知道目前得到的结果是不是真正的结果。       和拉斯维加斯算法相比，经
这可能是最简单易懂的机器学习入门（小白必读）
热门推荐
机器学习算法与Python学习
07-31 27万+
作者 | Lizzie Turner编译 | 专知翻译 | Xiaowen本文用浅显易懂的语言精准概括了机器学习的相关知识，内容全面，总结到位，剖析了机器学习的what，...
机器学习种9种常用算法
不凡De老五
12-18 1万+
一、常见算法分类 分类方法KNN 逻辑斯蒂回归(logiscic) 决策树 朴素贝叶斯 支持向量机SVC 回归方法KNN 普通线性回归(linear) 岭回归(ridge) lasso回归 决策树 支持向量机SVR 聚类方法 K均值算法（K-means） （无监督学习）
基于机器学习算法的分类写个论文大纲
02-07
- 常用机器学习分类算法 - 机器学习分类的应用领域 3.研究方法 - 数据预处理 - 特征选择 - 算法实现 - 模型评估 4.实验结果 - 数据集介绍 - 实验设计 - 实验结果分析 5.结论 - 本研究贡献 - 可能的改进...

“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