机器学习知识体系

来自DataFocus资料库
Datafocus（讨论 | 贡献）2019年5月22日 (三) 00:50的版本 （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…”）
(差异) ←上一版本 | 最后版本 (差异) | 下一版本→ (差异)
跳到导航 跳到搜索

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.机器学习方法 3.机器学习调参 4.评价准则 三、算法 1.机器学习算法 2.深度学习算法 四、机器学习流程 1.数据获取 2.特征工程 3.模型选取与调优 4.模型验证与分析 五、开发框架 1.TensorFlow 2.Pytorch 3.Keras 4.Scikit-Learn 5.Numpy 6.Pandas 7.Matplotlib

取自“http://172.31.25.64:8080/index.php?title=机器学习知识体系&oldid=92”