“机器学习知识体系”的版本间的差异
跳到导航
跳到搜索
（创建页面，内容为“一、数学基础 1.概率统计 2.线性代数 3.信息论 4.损失函数 5.损密度估计 6.最优化 7.正则化 二、机器学习概念 1.机器学习问题 2…”） |
|||
| 第1行： | 第1行： | ||
| − | 一、数学基础 | + | ==一、数学基础== |
| − | 1.概率统计 | + | ===1.概率统计=== |
| − | 2.线性代数 | + | ===2.线性代数=== |
| − | 3.信息论 | + | ===3.信息论=== |
| − | 4.损失函数 | + | ===4.损失函数=== |
| − | 5.损密度估计 | + | ===5.损密度估计=== |
| − | 6.最优化 | + | ===6.最优化=== |
| − | 7.正则化 | + | ===7.正则化=== |
| − | 二、机器学习概念 | + | ==二、机器学习概念== |
| − | 1.机器学习问题 | + | ===1.机器学习问题=== |
| − | 2.机器学习方法 | + | ===2.机器学习方法=== |
| − | 3.机器学习调参 | + | ===3.机器学习调参=== |
| − | 4.评价准则 | + | ===4.评价准则=== |
| − | 三、算法 | + | ==三、算法== |
| − | 1.机器学习算法 | + | ===1.机器学习算法=== |
| − | 2.深度学习算法 | + | ===2.深度学习算法=== |
| − | 四、机器学习流程 | + | ==四、机器学习流程== |
| − | 1.数据获取 | + | ===1.数据获取=== |
| − | 2.特征工程 | + | ===2.特征工程=== |
| − | 3.模型选取与调优 | + | ===3.模型选取与调优=== |
| − | 4.模型验证与分析 | + | ===4.模型验证与分析=== |
| − | 五、开发框架 | + | ==五、开发框架== |
| − | 1.TensorFlow | + | ===1.TensorFlow=== |
| − | 2.Pytorch | + | ===2.Pytorch=== |
| − | 3.Keras | + | ===3.Keras=== |
| − | 4.Scikit-Learn | + | ===4.Scikit-Learn=== |
| − | 5.Numpy | + | ===5.Numpy=== |
| − | 6.Pandas | + | ===6.Pandas=== |
| − | 7.Matplotlib | + | ===7.Matplotlib=== |
