感谢B站up主搬运的课程:
【李宏毅2020机器学习深度学习(完整版)国语】 https://www.bilibili.com/video/BV1JE411g7XF/?share_source=copy_web&vd_source=262e561fe1b31fc2fea4d09d310b466d
P1 机器学习
# 概念
# Supervised Learning / Reinforcement Learning / Unsupervised Learning
# 三种训练方式的区别
P3 Regression
# Regression流程(分Step讲解)
# 利用 Gradient Desccent 梯度下降法求解 arg min L (理论+图解)
# 通过使用更复杂的Model、加入隐藏因子(增加特征变量)引入 overfitting 过拟合 的概念
# Regularization 正则化——解决过拟合的一种手段 / 也可以减少可能是不必要的特征变量
P4 Basic Concept
# 引入: function 的 Error 来源于 fuction 的 bias & variance
# 从概率论的角度讲了抽样中样本均值、样本方差 以及 它们各自的期望、方差(是总体均值的无偏估计、是总体方差的有偏估计,但貌似后面只用到了样本均值和样本方差的概念)再到function 空间中(靶子)讲一下抽样均值方差
# 用不同复杂度的 Model 抽样得到的 function 来理解 function 的 bias & variance ,引入欠拟合(简单的模型bias大)、过拟合(复杂的模型variance大)+应对方法
# Cross Validation 交叉验证(一种降低Error的理论方法)