CS 229 ― 機器學習
參考手冊
- • 損失函數，梯度下降，概似估計
- • 線性模型，支援向量機，生成學習
- • 樹，k-NN，學習理論
- • 最大期望值，k-平均算法，階層式分群法
- • 分群衡量指標
- • 主成份分析，獨立成分分析
- • 架構，激活函數，反向傳播演算法，丟棄法
- • 卷積層，批次正規化，閘的種類
- • 馬可夫決策過程，貝爾曼方程，Q學習
- • 混淆矩陣，準確度，精密度，召回，F1分數，ROC
- • R squared，Mallow's CP，AIC，BIC
- • 交叉驗證，正規化，偏差/變異的權衡，誤差/銷蝕分析
回顧
- • 機率公理，排列，貝氏定理，獨立，條件機率
- • 隨機變數，期望值，變異數
- • 中央極限定理，參數估計
- • 主要的矩陣，乘法，轉置，可逆，跡，行列式
- • 特徵值，特徵向量，範數，梯度，海森
- • 半正定矩陣，譜分解，奇異值分解