機器學習之總結

• supervised learning（監督學習算法）
  • 線性迴歸、邏輯迴歸、神經網絡、支持向量機
    • 會有帶標籤的數據和樣本
• unsupervised learning（無監督學習）
  • K-均值聚類算法、主成分分析法（來進行降維）、異常檢測算法
• 特定的應用和話題
  • 推薦系統、大規模機器學習系統（包括並行和映射-化簡算法）、滑動窗口分類器（用於解決計算機視覺問題）
• 如何構建機器學習系統的建議
  • 偏差和方差、如何使用正則化來解決一些方差問題、如何合理分配時間：學習算法的評價方法（召回率和F1分數這樣的評價指標、訓練集交叉驗證集測試集）、如何調試算法、學習曲線、誤差分析、上限分析等

 

 

---

PS.內容爲學習吳恩達老師機器學習的筆記【https://study.163.com/course/introduction/1004570029.htm】