-
机器学习
- 基本概念
- 发展历程
- 应用领域
- 算法学习
- 核心术语
- 算法分类
- 建模流程
- 特征工程
- 拟合问题
- 开发环境
-
KNN算法
- 算法概述
- 算法实现
- 距离度量
- 特征预处理
- 超参数优化
-
线性回归
- 基本概述
- 具体实现
- 损失函数
- 导数和矩阵
- 正规方程法
- 梯度下降算法
- 评估方法
- 线性回归API
- 欠拟合与过拟合
-
逻辑回归
- 逻辑回归概述
- 逻辑回归原理
- 逻辑回归实现
- 分类问题评估
- 逻辑回归案例
-
决策树
- 决策树概述
- ID3决策树
- C4.5决策树
- CART决策树
- CART决策数API
- CART回归树
- 决策树剪枝
-
集成学习
- 集成学习思想
- 随机森林算法
- Adaboost算法
- GBDT
- XGBoost
-
朴素贝叶斯
- 朴素贝叶斯算法概述
- 朴素贝叶斯算法公式
- 朴素贝叶斯算法实现
-
特征降维
- 特征降维
- 低方差过滤
- 主成分分析PCA
- 相关系数法
-
聚类算法
- 聚类算法概述
- 聚类算法API
- Kmeans实现流程
- 模型评估方法
- 顾客聚类案例
-
支持向量机
- 支持向量机概述
- 支持向量机API
- SVM算法原理
- SVM核函数
1 人工智能简介
人工智能(Artificial Intelligence，简称AI)：仿智，使用计算机来模拟或者代替人。
2 机器学习简介
机器学习(Machine Learning，简称ML)：机器自动学习，而不是人为规则编程。
图解：机器如何学习
3 深度学习简介
深度学习(Deep Learning，简称DL)：也叫深度神经网络，大脑仿生，设计一层一层的神经元模拟万事万物。
4 三者关联关系
(1) 机器学习是实现人工智能的一种途径;
(2) 深度学习是机器学习的一种方法发展而来的.
