CS 229 ― Makine Öğrenimi
El kitabı
- • Kayıp fonksiyonu, bayır inişi, olabilirlik
- • Lineer modeller, Destek Vektör Makineleri, üretici öğrenme
- • TAğaç temelli ve topluluk yöntemleri, k-NN, öğrenme teorisi
- • Beklenti-Ençoklama, k-ortalamalar, hiyerarşik kümeleme
- • Kümeleme değerlendirme metrikleri
- • Temel bileşenler analizi, bağımsız bileşen analizi
- • Mimari, etkinleştirme fonksiyonu, geri yayılım, düşürme
- • Evrişimsel katman, küme normalleştirmesi, kapı çeşitleri
- • Markov karar süreci, Bellman denklemi, Q-öğrenimi
- • Karışıklık matrisi, doğruluk, kesinlik, geri çağırma, F1 skoru, ROC
- • R karesi, Mallow'un CP'si, AIC, BIC
- • Çapraz doğrulama, düzenlileştirme, önyargı/varyans çelişkisi, hata analizi
Hatırlatma
- • Olasılık aksiyomları, permütasyon, Bayes kuralı, bağımsızlık, koşullu olasılık
- • Rastgele değişkenler, beklenti, varyans
- • Merkezi Limit Teoremi, parametre tahmini
- • Ana matrisler, çarpma, devrik, ters, iz, determinant
- • Özdeğer, özvektör, norm, gradyan, Hessian
- • Pozitif yarı-tanımlı matris, spektral teorem, tekil-değer ayrışımı