数据挖掘第四第五阶段
2019-11-18 10:10:40 0 举报AI智能生成
数据挖掘技术第四第五阶段
作者其他创作
大纲/内容
数据挖掘技术思维导图
第四阶段：机器学习
类型
监督学习
任务
回归
K近邻
线性回归
Ridge(L2)
Lasso（L1）
决策树回归
SVR
Logistic回归
朴素贝叶斯
分类
概率图模型
最大熵模型
隐马尔可夫模型
条件随机场
主题模型
判别模型
LDA（线性判别）
k近邻法
神经网络
BP神经网络
逻辑回归
SVM
QDA（二次判别分析）
RDA（正则判别分析）
决策树模型
ID3
C4.5
CART
集成
组合
融合
袋装
随机森林
Boost
AdaBoost
GBM
GBDT
Xgboost
Lgbm
catboost
生成模型
混合高斯模型
无监督学习
降维
主成分分析
LDA
聚类
性能度量
原型聚类
密度聚类
层次聚类
谱聚类
异常检测
半监督学习
半监督分类
半监督 SVM
半监督聚类（有约束聚类）
半监督回归
维度规约
数据集
训练集
介绍：用来进行训练的数据集
样本量：超过60%
问题：容易过拟合
测试集
样本量：超过20%
验证集
介绍：调整超参数变量
样本量：剩下样本
划分方法
留出法
交叉验证
自助法
效果评估
聚类优度
轮廓系数
MAE
RMSE
MSE
NMSE
精确度
准确度
F值
AUC值
KS值
模型调参
网格搜索
贝叶斯优化
随机搜索
第五阶段：人工智能
应用方向
自然语言处理
情绪分类
实体链接
指代消歧
实体标注
语言模型
对话系统
机器翻译
词性标注
关系抽取
情感分析
文本摘要
词向量
命名实体识别
信息检索
知识图谱
语音技术
语音识别
前端处理
语音转码
高通滤波
端点检测
特征提取
模型训练
解码
发音字典
声学模型
计算机视觉
objection detection
非极大抑制nms
lou
image
有配对数据
pix2pix
pix2pixhd
vid2vid
AAE
edge2shoes
没有配对数据
bicyclegan
UNIT
具体应用
关键点迁移到人脸上
defect detection
无缺陷样本
AE
有缺陷样本
模型压缩
分类网络
无监督表示学习
人脸识别
域之间的迁移
数据挖掘算法
预测
关联
时间序列
智能机器人
自主意识
感知系统
视觉系统
听觉系统
传感器系统
本地系统
云端大脑系统
自主导航
自主避障
自主定位功能
引擎推荐
基于内容推荐
协同过滤推荐
基于用户
基于物品
基于关联规则推荐
基于效用推荐
基于知识推荐
组合推荐
应用行业
家具
零销
路网
教肓
货运
安防
交通
理论
深化学习
基本属性
模型
全连接层
反向传播
权重梯度
梯度消失和梯度爆炸
神经网络-递归神经网络-波尔兹曼机-限制波尔兹曼机
深度置信网络
Restricted Boltzmann Machine
卷积层
计算感受野
不同的卷积
正常卷积
转置卷积
空洞卷积
分组卷积
深度可分卷积
激活函数
sigmoid
tanh
relu
Leaky RelU
PRelu
池化层
maxpoll
average poll
全局平均池化
金字塔池化SPP
ROI POOL
ROI Align
图像分类最大池化和平均池化区别
作用
归一化层
BN
基本层的求导
softmax求导
BN层的反向传播
Pool层的反向传播
计算量和参数量
目标函数
损失
回归损失
平均绝对误差
均方误差
smooth L1-loss
分类损失
center loss
softmax loss
KL散度
hinge_loss
正则化项
求解
最优化算法
SGD
SGD momentum
Adam
牛顿法和拟牛顿法
其他技巧
归一化
初始化
正则化
样本不平衡
训练技巧
评价指标
混淆矩阵
准确率
PR曲线
ROC曲线
目标检测
单个类别用AP
mAP
常用算法
卷积神经网络
实例模型
AlexNet
LeNet
VGG
ResNet
Inception Network
应用
文本分类
人脸识别和神经风格迁移
图像识别
序列模型
词嵌入
循环神经网络
GRU
双向RNN
深层RNNs
LSTM
注意力机制
GNN
GCN
GAN
自编码器
AEE
VAE
UAE
DAE
最大互信息
迁移学习
目的
强化学习
有模型学习
免模型学习
值函数近似
模仿学习
架构
数据仓库&数据流架构
机器学习相关服务架构
0 条评论
回复 删除
下一页
