CS 229 ― Học máy
Cheatsheet
- • Hàm mất mát, gradient descent, likelihood
- • Các mô hình tuyến tính, máy vector hỗ trợ, generative learning
- • Các phương thức cây và ensemble, k-NN, lý thuyết học
- • Tối đa hoá kì vọng, k-means, phân cụm phân cấp
- • Các số liệu đánh giá phân cụm
- • Phép phân tích thành phần chính, phân tích thành phần độc lập
- • Kiến trúc, hàm kích hoạt, lan truyền ngược, dropout
- • Tầng tích chập, chuẩn hoá, các loại cổng
- • Tiến trình quyết định Markov, phương trình Bellman, Q-learning
- • Ma trận nhầm lẫn, chính xác, dự đoán, recall, F1, ROC
- • Bình phương R, CP của Mallow, AIC, BIC
- • Cross-validation, chuẩn hoá, đánh đổi bias/phương sai, phân tích lỗi
Refresher
- • Tiên đề của xác suất, hoán vị, định lí Bayes, sự kiện độc lập, xác suất có điều kiện
- • Biến ngẫu nhiên, kì vọng, phương sai
- • Định lý giới hạn trung tâm, ước lượng tham số
- • Ma trận chính, phép nhân, chuyển vị, nghịch đảo, truy vết, định thức
- • Giá trị riêng, vectơ riêng, chuẩn, gradien, Hessian
- • Ma trận bán xác định dương, định lý phổ, phân tích giá trị suy biến