Coursera华盛顿大学机器学习课程总结

一、基础导入课程

1、回归：房价预测  

2、分类：亚马逊商品评价分类

3、检索：wikipedia文章检索

 

二、回归

模型：线性回归、L1/L2正则化回归、最近邻回归和核回归

算法：梯度下降、坐标下降

概念：损失函数、偏差-方差折中、交叉验证、稀疏性、过拟合、模型选择

 

三、分类

模型：线性分类器（逻辑回归分类器、SVM、神经网络）、核、决策树decision tree

算法：梯度下降、boosting

概念：决策边界、MLE最大似然估计、随机森林、CART、在线学习

 

四、聚类

模型：NN最近邻(1NN、KNN)、聚类：高斯混合模型、LDA

算法：KD-tree/LSH、k-means、EM期望最大化

案例：wikipedia文章寻找最近邻、LBH寻找最近邻、自己实现k-means、

 

 

扩展：

决策树（ID3, C4.5，CART）