English
资源说明：第⼆二章 机器器学习基础
2.1 各种常⻅见算法图示
2.2 监督学习、⾮非监督学习、半监督学习、弱监督学习? 2.3 监督学习有哪些步骤
2.4 多实例例学习?
2.5 分类⽹网络和回归的区别?
2.6 什什么是神经⽹网络?
2.7 理理解局部最优与全局最优
2.8 分类算法
2.8.1 常⽤用分类算法的优缺点?
2.8.2 正确率能很好的评估分类算法吗? 2.8.3 分类算法的评估⽅方法?
2.8.4 什什么样的分类器器是最好的?
2.9 逻辑回归
2.9.1 理理解逻辑回归
2.9.2 逻辑回归与朴素⻉贝叶斯有什什么区别? 2.9.3线性回归与逻辑回归的区别?(贡献者:⻩黄钦建-华南理理⼯工⼤大学)
2.10 代价函数
2.10.1 为什什么需要代价函数?
2.10.2 代价函数作⽤用原理理
2.10.3 为什什么代价函数要⾮非负?
2.10.4 常⻅见代价函数?
2.10.5 为什什么⽤用交叉熵代替⼆二次代价函数
2.11 损失函数
2.11.1 什什么是损失函数?
2.11.2 常⻅见的损失函数
2.11.3 逻辑回归为什什么使⽤用对数损失函数? 2.11.4 对数损失函数是如何度量量损失的?
2.12 梯度下降
2.12.1 机器器学习中为什什么需要梯度下降? 2.12.2 梯度下降法缺点?
2.12.3 梯度下降法直观理理解?
2.12.4 梯度下降法算法描述?
2.12.5 如何对梯度下降法进⾏行行调优? 2.12.7 随机梯度和批量量梯度区别? 2.12.8 各种梯度下降法性能⽐比较
2.13 计算图的导数计算图解? 2.14 线性判别分析(LDA)
2.14.1 线性判别分析(LDA)思想总结 2.14.2 图解LDA核⼼心思想
2.14.3 ⼆二类LDA算法原理理?
2.14.4 LDA算法流程总结?
2.14.5 LDA和PCA区别?
2.14.6 LDA优缺点? 2.15 主成分分析(PCA)
2.15.1 主成分分析(PCA)思想总结 2.15.2 图解PCA核⼼心思想
2.15.3 PCA算法推理理
2.15.4 PCA算法流程总结 2.15.5 PCA算法主要优缺点 2.15.6 降维的必要性及⽬目的 2.15.7 KPCA与PCA的区别?
2.16 模型评估
2.16.1 模型评估常⽤用⽅方法?
2.16.2 机器器学习中的Bias，Error和Variance有什什么区别和联系? 2.16.3 经验误差与泛化误差
2.16.4 图解⽋欠拟合、过拟合
2.16.5 如何解决过拟合与⽋欠拟合?
2.16.6 交叉验证的主要作⽤用?
2.16.7 k折交叉验证?
2.16.8 混淆矩阵
2.16.9 错误率及精度
2.16.10 查准率与查全率
2.16.11 ROC与AUC
2.16.12 如何画ROC曲线?
2.16.13 如何计算TPR，FPR?
2.16.14 如何计算Auc?
2.16.15 为什什么使⽤用Roc和Auc评价分类器器?
2.16.17 直观理理解AUC
2.16.18 代价敏敏感错误率与代价曲线
2.16.19 模型有哪些⽐比较检验⽅方法
2.16.20 偏差与⽅方差
2.16.21为什什么使⽤用标准差?
2.16.22点估计思想
2.16.23 点估计优良性原则?
2.16.24 点估计、区间估计、中⼼心极限定理理之间的联系?
2.16.25 类别不不平衡产⽣生原因?
2.16.26 常⻅见的类别不不平衡问题解决⽅方法
2.17 决策树
2.17.1 决策树的基本原理理 2.17.2 决策树的三要素? 2.17.3 决策树学习基本算法 2.17.4 决策树算法优缺点 2.17.5熵的概念以及理理解
2.17.6 信息增益的理理解
2.17.7 剪枝处理理的作⽤用及策略略?
2.18 ⽀支持向量量机
2.18.1 什什么是⽀支持向量量机 2.18.2 ⽀支持向量量机解决的问题? 2.18.3 核函数作⽤用?
2.18.4 对偶问题
2.18.5 理理解⽀支持向量量回归 2.18.6 理理解SVM(核函数) 2.18.7 常⻅见的核函数有哪些? 2.18.8 软间隔与正则化
2.18.9 SVM主要特点及缺点?
2.19 ⻉贝叶斯
2.19.1 图解极⼤大似然估计
2.19.2 朴素⻉贝叶斯分类器器和⼀一般的⻉贝叶斯分类器器有什什么区别? 2.19.3 朴素与半朴素⻉贝叶斯分类器器
2.19.4 ⻉贝叶斯⽹网三种典型结构
2.19.5 什什么是⻉贝叶斯错误率
2.19.6 什什么是⻉贝叶斯最优错误率
2.20 EM算法解决问题及实现流程 2.21 降维和聚类
2.21.1 为什什么会产⽣生维数灾难? 2.21.2 怎样避免维数灾难
2.21.3 聚类和降维有什什么区别与联系? 2.21.4 四种聚类⽅方法之⽐比较
2.21.5 SOM聚类算法
2.21.6 FCM聚类算法
2.22 GBDT和随机森林林的区别
2.23 ⼤大数据与深度学习之间的关系
本源码包内暂不包含可直接显示的源代码文件，请下载源码包。
