模型评估与选择
1、机器学习基本认识
2、经验误差与过拟合
3、评估方法
4、性能度量
5、比较检验
6、偏差与方差
线性模型与决策树
1、基本形式与线性回归
2、对数几率回归
3、线性判别与多分类学习
4、决策树基本流程
5、决策树划分选择与处理
6、连续与缺失值
K邻算法
1、K邻算法概念介绍
2、K邻算法偏差与方差
3、K邻算法邻搜索
4、K邻算法K近邻搜索
5、K邻算法算法原理
6、K邻算法各类算法实现
贝叶斯分类器
1、贝叶斯决策论
2、极大似然估计
3、朴素贝叶斯分类器
4、半朴素贝叶斯分类器
5、贝叶斯网
6、EM算法 |