DM&ML
DM_ML NOTES
ML_TEST
1. ML大纲 blog
1. ML大纲 canvas
CANVAS
2. 模型评估与选择 canvas
CANVAS
2. 模型选择与评估 blog
3. 线性模型 blog
3. 线性模型 canvas
CANVAS
4. 决策树 blog
4. 决策树 canvas
CANVAS
5. 支持向量机 canvas
CANVAS
6. BP神经网络 blog
6. BP神经网络 canvas
CANVAS
7. 贝叶斯分类器 canvas
CANVAS
8. 集成学习 canvas
CANVAS
9. 聚类 canvas
CANVAS
10. 采样方法 canvas
CANVAS
11. CNN canvas
CANVAS

  1. 模型选择与评估

  • 误差与拟合
  • 评估方法
  • 性能度量

2. 线性模型

  • 线性回归
    • 一元
    • 多元
    • 广义
    • 对数几率回归
  • 线性判别分析LDA

3. SVM支持向量机

  • SVM基本型
  • 拉格朗日对偶问题
  • SMO求解方法
  • 核技巧

4. BP神经网络

  • 神经元模型
  • 神经网络
  • BP反向误差传播算法

5. 贝叶斯分类器

  • 贝叶斯决策论
  • 朴素贝叶斯分类器

6. 聚类

  • 相似度度量
  • 经典聚类方法
    • 原型聚类：k-means
    • 密度聚类：DBSCAN
    • 层次聚类：AGNES

7. 集成学习

  • Boosting
    • AdaBoost
  • Bagging
    • Random Forest
Table Of Contents
模型选择与评估
2. 线性模型
3. SVM支持向量机
4. BP神经网络
5. 贝叶斯分类器
6. 聚类
7. 集成学习