《机器学习》相关知识点提示
- 基本概念
- 关于过拟合与欠拟合:定义、概念、克服方法、在回归问题中(线性回归与多项式回归)对欠拟合与过拟合影响最大的因素,
过拟合、欠拟合与偏差、方差关系;
- 判别式与生成式模型常见的有哪些?
- 关于K折交叉验证;
- 分类模型、聚类模型、回归模型;
- 分类与回归问题的损失函数;
- 典型算法
- 朴素贝叶斯(Nave Bayes)原理,其经典假设;
- SVM原理,可以实现线性与非线性分类;
3、神经网络中各种激活函数输出范围,导数、作用;
4、k-means聚类原理、具体计算方法、相似性度量方法、影响因素;
5、主成分分析原理、主成分个数选择;PCA与LDA,无监督、有监督?
6、预防神经网络过拟合方法;
7、常见的卷积神经网络有哪些?卷积神经网络特征图尺寸的计算;
8、关于梯度消失与梯度爆炸;
9、决策树原理,预防决策树过拟合的方法;
10、KNN算法原理、KD树构造方法,纬度与切分点如何决定?
11、闵可夫斯基距离度量公式及其计算;
12、关于信息熵,其在ID3、C4.5中有何作用?
链接:https://pan.baidu.com/s/1mIF3JXXiX0yn0XRESZhB7Q
提取码:6666