机构名称：
¥ 1.0
单元 1 机器学习简介 – 数据和特征 – 机器学习流程：数据预处理：标准化、规范化、缺失数据问题、数据不平衡问题 – 数据可视化 - 设置训练、开发和测试集 – 交叉验证 – 过度拟合问题、偏差与方差 - 评估措施 – 不同类型的机器学习：监督学习、无监督学习。单元 2 监督学习 - 回归：线性回归、逻辑回归 – 分类：K-最近邻、朴素贝叶斯、决策树、随机森林、支持向量机、感知器。单元 3 无监督学习 – 聚类：K-均值、分层、谱、子空间聚类、降维技术、主成分分析、线性判别分析。教科书：Andrew Ng，机器学习 yearning，网址：http://www.mlyearning。org/(96) 139 (2017)。Kevin P. Murphey。机器学习，概率视角。麻省理工学院出版社，马萨诸塞州剑桥，2012 年。Christopher M Bishop。模式识别和机器学习。Springer 2010 参考书：Richard O. Duda、Peter E. Hart、David G. Stork。模式分类。Wiley，第二版；2007 年 Sutton，Richard S. 和 Andrew G. Barto。强化学习：简介。麻省理工学院出版社，2018 年。评估模式
人工智能与机器学习辅修
主要关键词
相关文件推荐
