首页
发现
标签
搜索
APP下载
注册
登录
首页
发现
榜单
标签
收录
APP下载
注册
登录
周志华《机器学习》学习笔记
文档评分:
77.3 (
0 个有效评分
)
文档语言:
中文
章节数量:
0
阅读人次:
36586
收藏数量:
0
整理分享:
管理员
阅读
收藏
下载
分享
阅读
收藏
下载
分享
文档标签
机器
西瓜
知识点
算法
思路
特征
新人
文档概述
周志华《机器学习》又称西瓜书是一本较为全面的书籍,书中详细介绍了机器学习领域不同类型的算法(例如:监督学习、无监督学习、半监督学习、强化学习、集成降维、特征选择等),记录了本人在学习过程中的理解思路与扩展知识点,希望对新人阅读西瓜书有所帮助!
文档
目录
文档
评论 (
0
)
概览
本章小结
1 绪论
README
1.2 机器学习的一些基本术语
1.1 机器学习的定义
2.1 误差与过拟合
2 模型的评估与选择
2.2 评估方法
2.3 训练集与测试集的划分方法
2.4 调参
2.5.1 最常见的性能度量
2.5 性能度量
2.5.2 查准率/查全率/F1
2.5.3 ROC与AUC
2.5.4 代价敏感错误率与代价曲线
2.6 比较检验
2.7 偏差与方差
3 线性模型
3.1 线性回归
3.2 线性几率回归
3.3 线性判别分析
3.4 多分类学习
3.5 类别不平衡问题
4 决策树
4.1 决策树基本概念
4.2 决策树的构造
4.3 剪枝处理
4.4 连续值与缺失值处理
5 神经网络
5.1 神经元模型
5.2 感知机与多层网络
5.3 BP神经网络算法
5.4 全局最小与局部最小
5.5 深度学习
6 支持向量机
6.1 函数间隔与几何间隔
6.2 最大间隔与支持向量
6.3 从原始优化问题到对偶问题
6.4 核函数
6.5 软间隔支持向量机
7 贝叶斯分类器
7.1 贝叶斯决策论
7.2 极大似然法
8 EM算法
7.3 朴素贝叶斯分类器
8.1 EM算法思想
8.2 EM算法数学推导
8.3 EM算法流程
9 集成学习
9.1 个体与集成
9.2 Boosting
9.3 Bagging与Random Forest
9.4 结合策略
10 聚类算法
9.5 多样性(diversity)
10.1 距离度量
10.2 性能度量
10.3 原型聚类
10.4 密度聚类
10.5 层次聚类
11 降维与度量学习
11.1 K近邻学习
11.2 MDS算法
11.3 主成分分析(PCA)
11.4 核化线性降维
11.5 流形学习
11.6 度量学习
12.1 子集搜索与评价
12 特征选择与稀疏学习
12.2 过滤式选择(Relief)
12.3 包裹式选择(LVW)
12.4 嵌入式选择与正则化
12.5 稀疏表示与字典学习
12.6 压缩感知
13.1 PAC学习
13 计算学习理论
13.2 有限假设空间
13.3 VC维
13.4 稳定性
14 半监督学习
14.1 生成式方法
14.2 半监督SVM
14.3 基于分歧的方法
14.4 半监督聚类
15.1 隐马尔可夫模型(HMM)
15 概率图模型
15.2 马尔可夫随机场(MRF)
15.4 学习与推断
15.3 条件随机场(CRF)
15.5 LDA话题模型
16.1 基本要素
16 强化学习
16.2 K摇摆赌博机
16.3 有模型学习
16.4 蒙特卡罗强化学习
16.5 AlphaGo原理浅析
相关书籍
机器学习实战(Machine Learning in Action)
RQAlpha 3.3.x 文档
Python 数据结构与算法(Problem Solving in Data Structures & Algorithms Using Python 中文版)
Milvus v0.5.0 使用手册
Dart 之魂
WMRouter 用户手册
Spark 编程指南简体中文版
TensorFlow 官方文档中文版
写给人类的机器学习
Way to Algorithm - 算法之路
十大经典排序算法
Negroni 中文文档
×
分享,让知识传承更久远
×
文档下载
请下载您需要的格式的文档,随时随地,享受汲取知识的乐趣!
PDF
文档
EPUB
文档
MOBI
文档