机器学习知识框架
2018-06-25 14:53:57 147 举报AI智能生成
机器学习算法思维导图
作者其他创作
大纲/内容
无监督学习
聚类算法
K-means
Mean Shift
DBSCAN
Lable Propagation
推荐算法
协调过滤算法
基于矩阵分解的推荐算法
基于图的推荐算法
深度学习
AutoEncoder
卷积神经网络
项目实践
阈值函数
Sigmoid函数
子主题
损失函数
负的Log似然函数（NLL）
子主题
数理统计
似然估计
极大似然估计
？？？
优化算法
梯度下降法（GD）
初始点
下降方向
步长
凸优化问题
概览
概念
机器学习是从数据中学习和提取有用的信息，不断提升机器的性能
算法
监督学习(Supervised Learning)
分类（Classification）
回归（Regression）
无监督学习(Unsupervised Learning)
聚类（Clustering）
半监督学习(Semi-Supervised Learning)
增强学习(Reinforcement Learning)
监督学习
分类算法
Logistic Regression
Logistic Regression模型
Softmax Regression
Factorization Machine
支持向量机
随机森林（Random Forest）
BP神经网络
KNN算法
回归算法
线性回归算法
目标函数（模型）
线性回归函数
损失函数
求误差平方和最小
优化算法
随机梯度下降
最小二乘法
逻辑回归算法
目标函数（模型）
损失函数
极大似然估计
对数似然
优化算法
随机梯度下降
牛顿法
L-BFGS
Softmax Regression算法
目标函数
损失函数
优化算法
岭回归和Lasso回归
CART树回归
酉函数
梯度
微积分
求偏导
泰勒级数
模型训练思考方式
确定问题
特征工程
设计目标函数（模型）
设计损失函数
均方误差（MSE）
子主题
子主题
设计优化方法
梯度下降算法
随机梯度下降
凸函数
L1/L2正则化
决策树算法
单棵树
子主题
子主题
集成学习
bagging算法
随机森林
boosting算法
数学基础
微积分
导数/偏导数
概率论基础
协方差
中心极值定理
矩估计
特征工程
0 条评论
下一页
