机器学习思维导图
2025-04-17 17:48:36 18 举报AI智能生成
机器学习
作者其他创作
大纲/内容
机器学习
基础概念
机器学习的定义
监督学习的基本原理
无监督学习的基本原理
强化学习的基本原理
半监督学习的基本原理
模型评估指标
准确率的计算方法
召回率的计算方法
F1分数的计算方法
混淆矩阵的解读方法
过拟合与欠拟合
过拟合的定义与表现
欠拟合的定义与表现
解决过拟合的方法
解决欠拟合的方法
数据预处理
数据收集
常见数据源类型
网络爬虫技术要点
API接口使用方法
公开数据集获取途径
数据清洗
缺失值处理方法
异常值检测技术
异常值处理策略
数据去重流程
特征工程
特征选择方法
特征缩放技术
类别特征编码
特征构造技巧
数据划分
训练集的作用
验证集的作用
测试集的作用
数据划分比例选择
常用算法
线性模型
线性回归原理
逻辑回归原理
正则化方法
线性模型优缺点
决策树与随机森林
决策树构建过程
随机森林原理
特征重要性评估
集成学习策略
支持向量机
SVM数学原理
核函数选择
软间隔与硬间隔
SVM应用场景
神经网络
感知机模型
多层感知机
CNN架构特点
RNN工作原理
模型选择与调优
交叉验证
k折交叉验证流程
留一法实现方式
交叉验证优势
验证集选择策略
超参数调优
网格搜索方法
随机搜索方法
贝叶斯优化原理
自动调参工具
特征重要性评估
基于树模型的特征选择
递归特征消除
特征重要性可视化
特征相关性分析
实战应用
图像识别
MNIST数据集特点
CNN在图像识别中的应用
数据增强技术
模型部署方案
自然语言处理
文本分类流程
情感分析方法
词嵌入技术
Transformer架构
推荐系统
基于内容的推荐
协同过滤算法
混合推荐策略
冷启动问题解决
异常检测
统计检测方法
孤立森林算法
时序异常检测
工业应用案例
0 条评论
下一页
