【Mark Schmidt課件】機器學習與數據挖掘——概率分類

本課件主要內容包括： 上次課程回顧：訓練、測試與驗證 上次課程回顧：基本折中關係 上次課程回顧：驗證誤差 驗證誤差與最優化偏差 交叉驗證CV 交叉驗證僞代碼 最優機器學習模型 應用：垃圾電子郵件過濾 回顧有監督學習方法 概率分類器 基於貝葉斯準則的垃圾電子郵件過濾 樸素貝葉斯方法 樸素貝葉斯方法的訓練過程 樸素貝葉斯方法的預測過程 回到決策樹的問題 交叉驗證理論 處理數據稀疏性 高斯判別分析 一個

>>阅读原文<<