![机器学习[R17A0534]讲义](/simg/b/b04497115176d4bfc8e822e2e357b3b536e9ea6c.webp)
机构名称：
¥ 12.0
单元I：机器学习介绍，学习模型，几何模型，概率模型，逻辑模型，分组和分级，设计学习系统，学习类型，学习，监督，无监督，增强，观点和问题，版本空间，PAC学习，PAC学习，VC尺寸。单元II：有监督和无监督的学习决策树：ID3，分类和回归树，回归：线性回归，多线性回归，逻辑回归，神经网络：简介，感知，多层感知，支持向量机：线性和非线性，线性和非线性，内核功能，K最近的邻居。聚类简介，K-均值聚类，K-Mode聚类。单元III：合奏和概率学习模型组合方案，投票，错误纠正输出代码，包装：随机林木，增强：Adaboost：堆叠，堆叠。高斯混合模型 - 期望 - 最大化（EM）算法，信息标准，最近的邻居方法 - 最近的邻居平滑，有效的距离计算：KD -Tree，距离测量。第四单元：加强学习和评估假设的介绍，学习任务，Q学习，非确定性奖励和行动，时间差异学习，与动态编程的关系，主动的加强学习，在增强学习中的概括。动机，抽样理论的基础：误差估计和估计二项式比例，二项式分布，估计器，偏见和差异单位V：遗传算法：动机，遗传算法：代表假设，遗传操作员，遗传操作员，适应性和选择，示例性的探索，遗传探索，遗传学探索，遗传学的探索，模型：效果，并行化遗传算法。
机器学习[R17A0534]讲义
主要关键词
![机器学习[R17A0534]讲义PDF文件第1页](/bimg/9/906f3af55bcf68495d94d11235d6a0162be5ff82.webp)
![机器学习[R17A0534]讲义PDF文件第2页](/bimg/a/a225fb6c3ae50533fa335d8a25d595c4c530be80.webp)
![机器学习[R17A0534]讲义PDF文件第3页](/bimg/5/579cf167f1e193f525e252c702d69cd0b0796ad3.webp)
![机器学习[R17A0534]讲义PDF文件第4页](/bimg/2/21096c0be4f220a73f16f553577dd88c84dd069a.webp)
![机器学习[R17A0534]讲义PDF文件第5页](/bimg/5/53b910f8f1320bca66620e76d588427fdcacc936.webp)
相关文件推荐
![人工智能与机器学习 [R20A0566] 讲义](/simg/b/b769bf1f3708ae9e757fd53b21477151fccb345d.png)
