【Mark Schmidt課件】機器學習與數據挖掘——組合方法

本課件主要內容包括： 上次課程回顧：K近鄰方法KNN 決策樹 vs. 樸素貝葉斯 vs. KNN 應用：光學字符識別 KNN用於光學字符識別 人類 vs. 機器感知 應用：人體局部識別 有監督學習的實現步驟 組合方法 平均化 堆積化 平均化與堆積化 隨機森林 Bootstrap採樣 測試示例1：語言辨識 測試示例2：詞義消歧 英文原文課件下載地址： http://page2.dfpan.com/f

>>阅读原文<<