Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
Tài liệu cheatsheet tổng hợp các khái niệm và công thức chính trong học máy, bao gồm học có giám sát, không giám sát, học sâu, mẹo và mẹo, và kiến thức toán cơ bản.
Đang tạo bản xem trước...
https://stanford.edu/~shervine CS 229 – Machine Learning Super VIP Cheatsheet: Machine Learning Afshine Amidi and Shervine Amidi August 23, 2018 Contents 1 Supervised Learning 1.1 Introduction to Supervised Learning . . . . . . . . . . . . . . . . . . . 1.2 Notations and general concepts . . . . . . . . . . . . . . . . . . . . . 1.3 Linear models . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.1 Linear regression . . . . . . . . . . . . . . . . . . . . . . . . . 1.3.2 Classification and logistic regression . . . . . . . . . . . . . . . 1.3.3 Generalized Linear Models . . . . . . . . . . . . . . . . . . . . 1.4 Support Vector Machines . . . . . . . . . . . . . . . . . . . . . . . . 1.5 Generative Learning . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.5.1 Gaussian Discriminant Analysis . . . . . . . . . . . . . . . . . 1.5.2 Naive Bayes . . . . . . . . . . . . . . . . . . . . . . . . . . . 1.6 Other non-parametric approaches . . . . . . . . . . . . . . . . . . . . 1.7 Learning Theory . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2 2 2 2 3 3 3 4 4 4 4 4 2 Unsupervised Learning 2.1 Introduction to Unsupervised Learning . . . . . . . . . . . . . . . . . 2.2 Clustering . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.2.1 Expectation-Maximization . . . . . . . . . . . . . . . . . . . . 2.2.2 k-means clustering . . . . . . . . . . . . . . . . . . . . . . . . 2.2.3 Hierarchical clustering . . . . . . . . . . . . . . . . . . . . . . 2.2.4 Clustering assessment metrics . . . . . . . . . . . . . . . . . . 2.3 Dimension reduction . . . . . . . . . . . . . . . . . . . . . . . . . . . 2.3.1 Principal component analysis . . . . . . . . . . . . . . . . . . 2.3.2 Independent component analysis . . . . . . . . . . . . . . . . . 5 5 5 5 6 6 6 6 6 7 3 Deep Learning 3.1 Neural Networks . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 3.2 Convolutional Neural Networks . . . . . . . . . . . . . . . . . . . . . 3.3 Rec
… Tải file gốc để đọc toàn bộ tài liệu.
- Tên tài liệu
- Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi
- Trường / Môn
- Stanford University · Machine learning
- Tác giả (trong tài liệu)
- Afshine Amidi and Shervine Amidi
- Nội dung
- Đây là bản tóm tắt chi tiết về học máy, bao gồm các phương pháp học có giám sát, không giám sát, học sâu, cùng các kỹ thuật và kiến thức nền tảng cần thiết. Tài liệu được biên soạn cho khóa học CS 229 tại Stanford.
- Mục lục
- 1 Supervised Learning
- 1.1 Introduction to Supervised Learning
- 1.2 Notations and general concepts
- 1.3 Linear models
- 1.3.1 Linear regression
- 1.3.2 Classification and logistic regression
- 1.3.3 Generalized Linear Models
- 1.4 Support Vector Machines
- 1.5 Generative Learning
- 1.5.1 Gaussian Discriminant Analysis
- 1.5.2 Naive Bayes
- 1.6 Other non-parametric approaches
- 1.7 Learning Theory
- 2 Unsupervised Learning
- 2.1 Introduction to Unsupervised Learning
- 2.2 Clustering
- 2.2.1 Expectation-Maximization
- 2.2.2 k-means clustering
- 2.2.3 Hierarchical clustering
- 2.2.4 Clustering assessment metrics
- 2.3 Dimension reduction
- 2.3.1 Principal component analysis
- 2.3.2 Independent component analysis
- 3 Deep Learning
- 3.1 Neural Networks
- 3.2 Convolutional Neural Networks
- 3.3 Recurrent Neural Networks
- 3.4 Reinforcement Learning and Control
- 4 Machine Learning Tips and Tricks
- 4.1 Metrics
- 4.1.1 Classification
- 4.1.2 Regression
- 4.2 Model selection
- 4.3 Diagnostics
- 5 Refreshers
- 5.1 Probabilities and Statistics
- 5.1.1 Introduction to Probability and Combinatorics
- 5.1.2 Conditional Probability
- 5.1.3 Random Variables
- 5.1.4 Jointly Distributed Random Variables
- 5.1.5 Parameter estimation
- 5.2 Linear Algebra and Calculus
- 5.2.1 General notations
- 5.2.2 Matrix operations
- 5.2.3 Matrix properties
- 5.2.4 Matrix calculus
- Doc.pages
- 15 trang
- Người đăng
- Giang Le
Câu hỏi thường gặp
Tài liệu này có miễn phí không?
Có. “Super cheatsheet machine learning (Khái niệm và công thức chính trong học máy) - Afshine Amidi and Shervine Amidi” miễn phí — bạn chỉ cần đăng nhập rồi bấm Tải xuống để lấy file gốc.
Tài liệu dài bao nhiêu trang?
Tài liệu gồm 15 trang, thuộc môn Machine learning. Bạn có thể xem trước online trước khi tải.
Tôi có thể xem trước trước khi tải không?
Có. Bạn xem trước tài liệu ngay trên trang này bằng trình đọc online, rồi quyết định tải về.
Bình luận (0)
Chưa có bình luận nào. Hãy là người đầu tiên!