機器學習——學習路線圖

一、預備知識 微積分（偏導數、梯度等等） 概率論與數理統計（例如極大似然估計、中央極限定理、大數法則等等） 最優化方法（比如梯度下降、牛頓-拉普什方法、變分法（歐拉-拉格朗日方程）、凸優化等等） 二、路線1 （基於普通最小二乘法的）簡單線性迴歸 -> 線性迴歸中的新進展（嶺迴歸和LASSO迴歸）->(此處可以插入Bagging和AdaBoost的內容)-> Logistic迴歸 ->支持向量機（S

>>阅读原文<<