机器学习基础

1、机器学习概念

1.1 机器学习是什么

1.2 机器学习开端

1.3 机器学习定义

1.4 机器学习过程

1.5 示例

2、机器学习分类

2.1 无监督学习

2.2 监督学习

2.3 监督学习应用

3、监督学习深入介绍

3.1 监督学习三要素

3.2  监督学习实现步骤

3.3 监督学习过程示例

 

3.4 模型评估策略

3.5 训练集和测试集

3.6 损失函数

3.7 经验风险

3.8 训练误差和测试误差

3.9 过拟合和欠拟合

欠拟合

过拟合

3.10 模型的选择

3.11 正则化

3.12 奥卡姆剃刀

3.13 交叉验证

3.14 分类和回归

分类问题

精确率和召回率

回归问题

3.15 模型求解算法

梯度下降算法

牛顿法和拟牛顿法