机器学习之总结

• supervised learning（监督学习算法）
  • 线性回归、逻辑回归、神经网络、支持向量机
    • 会有带标签的数据和样本
• unsupervised learning（无监督学习）
  • K-均值聚类算法、主成分分析法（来进行降维）、异常检测算法
• 特定的应用和话题
  • 推荐系统、大规模机器学习系统（包括并行和映射-化简算法）、滑动窗口分类器（用于解决计算机视觉问题）
• 如何构建机器学习系统的建议
  • 偏差和方差、如何使用正则化来解决一些方差问题、如何合理分配时间：学习算法的评价方法（召回率和F1分数这样的评价指标、训练集交叉验证集测试集）、如何调试算法、学习曲线、误差分析、上限分析等

 

 

---

PS.内容为学习吴恩达老师机器学习的笔记【https://study.163.com/course/introduction/1004570029.htm】