机器学习目录
机器学习目录
一、总结
一句话总结:
A、数据量够的话,深度学习是可以做几乎所有事情的
B、其它的算法比如支持向量机,还有最开始的那些,比如决策树,比如什么k-means什么的
模型的评估与选择:来选择模型依据
线性模型:
决策树:
神经网络:
支持向量机:
贝叶斯分类:
集成学习:
聚类:
降维与度量学习:
特征选择与稀疏学习:
计算学习理论:
半监督学习:
概率图模型:
规则学习:
强化学习:
二、内容在总结中
博客对应课程的视频位置:
模型的评估与选择:来选择模型依据
线性模型:
决策树:
神经网络:
支持向量机:
贝叶斯分类:
集成学习:
聚类:
降维与度量学习:
特征选择与稀疏学习:
计算学习理论:
半监督学习:
概率图模型:
规则学习:
强化学习:
博客对应课程的视频位置: