暑期总结与学期计划

暑期总结

1. 机器学习

• 线性回归，逻辑回归，无监督学习，决策树，概率图的学习。
  

• 科学计算：NumPy，pandas，matplotlib的学习

• 线性回归：正规方程，多元线性，高斯分布，梯度下降（BGD，MBGD，SGD），归一化，正则化，弹性网络，Lasso套索回归，Ridge岭回归，多项式回。

• 逻辑回归：逻辑斯蒂回归，Sigmoid函数，多分类，SVM支持向量机，核函数的选择（linear，rbf，poly）

• 无监督学习：聚类算法，Kmeans，DBSCAN，分层聚类，降维算法，PCA，LDA，MNF，EM，GMM

• 决策树：分裂指标，决策分类树，决策回归树，集成算法(Bagging,Boosting)，随机森林，极限森林，交叉熵信息熵，GBDT梯度提升分类树，GBDT回归树，Adaboost梯度提升树，Adaboost多分类，Adaboost回归，Xgboost树

• 概率图：贝叶斯，朴素贝叶斯，贝叶斯网络，HMM隐马尔科夫，维特比算法，CRF条件随机场，马尔科夫Markov，隐马尔可夫HMM

• 第一遍学习主要学习的是算法原理，数学推导，被封装的代码以及对于分类与回归应用问题的典型步骤的学习

2. 数据结构

• 顺序表，链表，栈和队列以及树的简单学习

学期计划

1. 第一遍对机器学习只是有了了解，第二遍深入机器学习的内容
2. 对工业蒸汽项目，电商项目（京东及天猫复购预测，用户评论情感分析）进行分析评测，以及Kaggle实战
3. 学习算法以及算法刷题
4. 跟着学校进度学习数据库