伯克利Jonathan教授最新164《简明机器学习》讲义教程

4 月 14 日 专知

【导读】本文档包含加州大学伯克利分校机器学习Jonathan Shewchuk入门课程的课堂讲稿。它涵盖了许多分类和回归的方法,以及聚类和降维的方法。简洁明了,是非常合适的机器学习入门学习材料。

【164页机器学习讲义下载】

请关注专知公众号(点击上方蓝色专知关注

  • 后台回复“MLearn”就可以获取《简明机器学习》的课程讲义下载链接~


内容目录包括:

  • 介绍

  • 线性分类器和感知器

  • 感知器学习;最大边缘分类器

  • 软边缘支持向量机;特性

  • 机器学习抽象和数值优化

  • 决策理论;生成和判别模型

  • 高斯判别分析,包括QDA和LDA

  • 特征向量与各向异性多元正态分布

  • 各向异性高斯,最大似然估计,QDA和LDA

  • 回归,包括最小二乘线性回归和逻辑回归

  • 更多的回归;牛顿法;ROC曲线

  • 统计的理由;偏见方差分解

  • 收缩:脊线回归,子集选择,套索

  • 内核的诀窍

  • 决策树

  • 更多的决策树、集成学习和随机森林

  • 神经网络

  • 神经元;神经网络的变化

  • 更好的神经网络训练;卷积神经网络

  • 无监督学习与主成分分析

  • 奇异值分解;聚类

  • 光谱图聚类

  • 学习理论

  • 多个特征向量;潜在的因素分析;最近的邻居

  • 更快的最近邻居:Voronoi图和k-d树




-END-

专 · 知

专知,专业可信的人工智能知识分发,让认知协作更快更好!欢迎登录www.zhuanzhi.ai,注册登录专知,获取更多AI知识资料!

欢迎微信扫一扫加入专知人工智能知识星球群,获取最新AI专业干货知识教程视频资料和与专家交流咨询!

请加专知小助手微信(扫一扫如下二维码添加),加入专知人工智能主题群,咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成!530+位同学在学习,现在报名,限时优惠!网易云课堂人工智能畅销榜首位!

点击“阅读原文”,了解报名专知《深度学习:算法到实战》课程

登录查看更多
点赞 0
Top