教學

CS 229 ― 機器學習
Star


參考手冊


監督式學習
  • • 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
非監督式學習
  • • 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
深度學習
  • • 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
秘訣和技巧
  • • 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


機率和統計
  • • 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
線性代數與微積分
  • • 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