机器学习目录

1.机器学习概述

1. 机器学习简介

2. 机器学习、人工智能和数据挖掘

3. 典型机器学习应用领域

4. 机器学习算法

5. 机器学习一般流程

2.机器学习的基本方法

1. 统计分析

2. 高位数据降维

3. 特征工程

4. 模型训练

5. 可视化分析

3.决策树与分类算法

1. 决策树算法

2. 集成学习

3. 决策树应用

4.聚类分析

1. 聚类分析的概念

2. 聚类分析的量度

3. 基于划分的聚类

4. 基于密度的聚类

5. 基于层次的聚类

6. 基于网络的聚类

7. 基于模型的聚类

5.文本分析

1. 文本分析介绍

2. 知识图谱

3. 词法分析

4. 句法分析

5. 语义分析

6. 文本分析应用

6.神经网络

1. 神经网络介绍

2. 神经网络相关概念

3. 神经网络应用

7.贝叶斯网络

1. 贝叶斯理论概述

2. 贝叶斯概率基础

3. 朴素贝叶斯分类模型

4. 贝叶斯网络推理

5. 贝叶斯网络的应用

8.支持向量机

1. 支持向量机模型

2. 支持向量机应用

9.进化计算

1. 遗传算法基础

2. 蚁群算法

3. 蜂群算法

10.分布式机器学习

1. 分布式机器学习基础

2. 分布式机器学习框架

3. 并行决策树

4. 并行k-均值算法

11.深度学习

1. 卷积神经网络

2. 循环神经网络

3. 深度学习流行框架

12.高级深度学习

1. 高级卷积神经网络

2. 高级循环神经网络应用

3. 无监督式深度学习

4. 强化学习

5. 迁移学习

6. 对偶学习