在阅读文献阶段,由于缺乏机器学习的基础知识,论文内容难以读懂,于是转向基础知识的学习。前两周,将以周志华的机器学习西瓜书为依托,对机器学习方面的相关知识进行学习,为更好的理解论文内容打基础。
这两周主要的学习内容:
- 监督学习、无监督学习
- 单变量线性回归
- 模型表示
- 代价函数
- 梯度下降
- 梯度下降的线性回归
- 多变量线性回归
- 多维特征
- 多变量梯度下降
- 特征和多项式回归
- 正规方程
- 逻辑回归
- 分类问题
- 判定边界
- 代价函数
- 简化的成本函数和梯度下降
- 高级优化
- 多类别分类:一对多
- 正则化
- 过拟合的问题
- 代价函数
- 正则化线性回归
- 正则化的逻辑回归模型
- 神经网络
- 非线性假设
- 神经元和大脑
- 模型表示
- 多类分类
- 代价函数
- 反向传播算法
- 展开参数
- 梯度检验
- 随机初始化
- 机器学习的实战方法
- 评估一个假设
- 模型选择和交叉验证集
- 诊断偏差和方差
- 正则化和偏差/方差
- 学习曲线
- 支持向量机
- 优化目标
- 大边界问题
- 核函数
- 使用支持向量机
以上就是在学习机器学习时所涉及到的内容。