- 监督学习算法:线性回归、逻辑回归、神经网络、支持向量机(在这些问题中会有带标签的数据和样本)
- 无监督学习:K-均值聚类算法、主成分分析法(进行降维)、异常检测算法(对算法进行评估)
- 特定的应用和话题:推荐系统、大规模机器学习系统(包括并行和映射-化简算法)
- 其他的应用:滑动窗口分类器(计算机视觉问题)
- 从各个不同的方面给出了如何构建机器学习系统的建议:偏差和方差(尝试了是什么使得机器学习算法工作或者是不工作)、正则化(解决一些方差问题)、学习算法的评估方法:召回率和F1分数这样的评价指标和实践方面的评测方法:训练集-交叉验证集-测试集(当你开发一个机器学习系统时如何合理分配你的时间)、诊断方法:学习曲线和误差分析及上限分析(如何调试算法确保学习算法能够正常工作)。所有这些工具都能帮助你决定下一步该做什么以及怎么分配时间。
机器学习总结
最新推荐文章于 2023-04-30 14:51:37 发布