百面机器学习笔记---0、读大纲

百面机器学习笔记---0、读大纲

一、总结

一句话总结：

第1章、【特征工程】；第2章、【模型评估】；第3章、【经典算法】

第4章、【降维】；第5章、【非监督学习】；第6章、【概率图模型】

第7章、【优化算法】；第8章、【采样】

第9章、【前向神经网络】；第10章、【循环神经网络】；第11章、【强化学习】；第12章、【集成学习】；第13章、【生成式对抗网络】

 

1、第1章、特征工程？

例如归一化、特征处理、词向量等

 

 

 

2、第2章、模型评估？

就是评估模型的手段，可以参照西瓜书上面的

 

 

 

3、第3章、经典算法？

一些经典算法，比如svm、逻辑回归、决策树等等等

 

 

 

4、第4章、降维？

主要就是降维的【PCA和线性判别分析】

 

 

5、第5章、非监督学习？

讲解非监督学习的一些方法：比如K均值聚类、高斯混合模型等

 

 

 

6、第6章、概率图模型？

比如贝叶斯网络、马尔科夫模型、最大熵模型等

 

 

 

7、第7章、优化算法？

比如凸优化问题、无约束优化问题、随机梯度下降等

 

 

 

8、第8章、采样？

比如MCMC采样法以及一些常用的模型怎么采样

 

 

 

9、第9章、前向神经网络？

就是神经网络的那些事：比如卷积神经网络、循环神经网络、网络优化等

 

 

 

10、第10章、循环神经网络？

就是循环神经网络的那些事，仅此而已

 

 

 

11、第11章、强化学习？

传统强化学习、深度强化学习等

 

 

 

12、第12章、集成学习？

比如随机森林、GBDT等等

 

 

 

13、第13章、生成式对抗网络？

就是gan的那些事，比如WGAN等

 

 

 

 

 

 

二、内容在总结中

博客对应课程的视频位置：