機器學習理論

機器學習理論 1.爲了提高自己，需要既要，又要，還要 既要：掌握比較紮實的機器學習的理論知識 又要：實踐經驗，懂業務場景 還要：編碼和會計算機算題 2.基礎類 欠擬合、擬合，過擬合 L1\L2正則 模型方差和偏差 奧卡姆剃刀 模型評估指標 風險函數 優化算法 激活函數 核函數 梯度消失核梯度爆炸 有監督學習和無監督學習 線性迴歸 KNN模型 樸素貝葉斯 決策樹 隨機森林模型（RF） ADABoos

>>阅读原文<<