机器学习知识体系

那几年。我学习机器学习的主要内容：

1.机器学习基本导论，机器学习入门了解；
2.线性回归与Logistic。xx业绩预測系统。智能交互统计系统等。
3.岭回归。Lasso，变量选择技术。
维度的技巧等技术；
4.降维技术。
xx指标设计，详细规范。
5.线性分类器，Knn算法，朴素贝叶斯分类器。文本挖掘。XX智能垃圾消息，垃圾邮件推断，评论智能分析，智能监控统计预警系统呀。
6.决策树。组合提升算法，bagging和adaboost，随机森林。XX用户分析系统，智能广告推送系统。
7.支持向量机。
理解SVM的原理。机制。
8.人工神经网络。挺起来好牛逼，事实上，也就那样啊！什么单层感知器，什么线性神经网络。
  什么BP神经网络，什么基于梯度下降的学习算法以及图像压缩技术。
9.通用逼近器径向基函数神经网络。听过“字符识别，人脸识别”吧！
这些技术涉及到PDA和SVM。对了。还有Hopfield联想记忆型神经网络。
10. 概率神经网络和信念贝叶斯分类器
11. 聚类，孤立点判别。这样的技术非常有用，能够应用到什么广告推荐系统。网络防作弊识别等。