机器学习无疑是当前人工智能、数据分析领域的热点内容。在我们平时的科研或者工作中,都或多或少会用到机器学习的算法,然而机器学习的算法很多,有些算法属于单独一类算法,而有些是从其它现有算法中扩展延伸而来。
这次课程,我们总结了当前科研以及企业界常用的9大机器学习算法,每类算法逐一介绍其引入背景、核心思想以及使用案例。
1.1 矩阵论基础知识
课程内容:包括向量、矩阵演算;矩阵求导以及矩阵分解等
1.2 概率论基础知识
课程内容:包括常见分布介绍;参数估计以及信息熵等
1.3 优化基础知识
课程内容:包括拉格朗日乘子法;二次规划问题介绍以及梯度下降优化等
2.1 贝叶斯分类
课程内容:包括朴素贝叶斯、贝叶斯决策论等
2.2 回归与分类
课程内容:包括曲线拟合;线性回归以及logistic回归等
2.3 支持向量机
课程内容:包括线性支持向量机;非线性支持向量机以及核方法等
2.4 聚类
课程内容:包括K均值聚类以及层次聚类等
2.5 数据降维
课程内容:包括主成分分析;线性判别分析以及非线性降维等
2.6 EM算法
课程内容:包括EM算法基础、多高斯参数估计以及相关应用等
2.7 隐马尔科夫模型
课程内容:包括马尔科夫、隐马尔科夫模型以及相关应用等
2.8 决策树
课程内容:包括决策树以及随机森林等
2.9 Adaboost算法
课程内容:包括独立于算法的机器学习以及Adaboost算法等
非常抱歉!本站不支持旧版本IE浏览器~~建议使用IE10/IE11/Chrome/Firefox/Safari等高级浏览器浏览。