机器学习(期末复习资料——江理)

《机器学习》相关知识点提示

  • 基本概念
  1. 关于过拟合与欠拟合:定义、概念、克服方法、在回归问题中(线性回归与多项式回归)对欠拟合与过拟合影响最大的因素,

过拟合、欠拟合与偏差、方差关系;

  1. 判别式与生成式模型常见的有哪些?
  2. 关于K折交叉验证;
  3. 分类模型、聚类模型、回归模型;
  4. 分类与回归问题的损失函数;
  • 典型算法
  1. 朴素贝叶斯(Nave Bayes)原理,其经典假设;
  2. SVM原理,可以实现线性与非线性分类;

3、神经网络中各种激活函数输出范围,导数、作用;

4、k-means聚类原理、具体计算方法、相似性度量方法、影响因素;

5、主成分分析原理、主成分个数选择;PCA与LDA,无监督、有监督?

6、预防神经网络过拟合方法;

7、常见的卷积神经网络有哪些?卷积神经网络特征图尺寸的计算;

8、关于梯度消失与梯度爆炸;

9、决策树原理,预防决策树过拟合的方法;

10、KNN算法原理、KD树构造方法,纬度与切分点如何决定?

11、闵可夫斯基距离度量公式及其计算;

12、关于信息熵,其在ID3、C4.5中有何作用?

链接:https://pan.baidu.com/s/1mIF3JXXiX0yn0XRESZhB7Q 
提取码:6666

你可能感兴趣的:(机器学习,人工智能)