- 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
- 線性迴歸、邏輯迴歸、神經網絡、支持向量機
- 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】