机器学习总结

• 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。