人工智能 学习清单

本文提供了一份人工智能初学者的学习清单,包括书籍推荐、在线课程、顶级会议和期刊,以及核心概念的详细解释,如线性模型、决策树、支持向量机和聚类算法。此外,还探讨了模型评估、特征提取以及处理类别不平衡问题的策略。
摘要由CSDN通过智能技术生成

MWhite’s Learning Note
17/11/19

初学者入门清单

书籍

  • 《机器学习》 西瓜书 周志华
  • The Elements of Statistical
  • Pattern Recognition and Machine Learning

网站

  • 竞赛网站 kaggle.com\
    python人工智能学习库:scikit-learn

课程

  • Coursera 吴恩达 Machine Learning

顶级会议以及期刊

  • ICML,NIPS,COLT
  • AAAI,IJCAI
  • ECML,ACML

知识概念清单

以下内容初学者无视

特征提取feature extraction

模型评估与选择

  1. 测试集与训练集互斥
    • 留出法
    • k-折交叉验证
    • 自助法 有放回的采样
  2. 调参与最终模型
    算法的参数:超参数(hyper-parameter)人给出
    模型的参数:学习得到
  3. 性能量度(Performance measure)
  4. 查准率与查全率

    P=TP/(TP+FP) 准确率 预测正确数中正确数比例
    R=TP/(TP+TN) 查全率 正确数中预测正确的比例

    P与R
  • 0
    点赞
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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