伯克利Jonathan教授最新164《简明机器学习》讲义教程

【导读】本文档包含加州大学伯克利分校机器学习Jonathan Shewchuk入门课程的课堂讲稿。它涵盖了许多分类和回归的方法，以及聚类和降维的方法。简洁明了，是非常合适的机器学习入门学习材料。

【164页机器学习讲义下载】

请关注专知公众号（点击上方蓝色专知关注）

• 后台回复“MLearn”就可以获取《简明机器学习》的课程讲义下载链接~

内容目录包括：

• 介绍

• 线性分类器和感知器

• 感知器学习;最大边缘分类器

• 软边缘支持向量机;特性

• 机器学习抽象和数值优化

• 决策理论;生成和判别模型

• 高斯判别分析，包括QDA和LDA

• 特征向量与各向异性多元正态分布

• 各向异性高斯，最大似然估计，QDA和LDA

• 回归，包括最小二乘线性回归和逻辑回归

• 更多的回归;牛顿法;ROC曲线

• 统计的理由;偏见方差分解

• 收缩:脊线回归，子集选择，套索

• 内核的诀窍

• 决策树

• 更多的决策树、集成学习和随机森林

• 神经网络

• 神经元;神经网络的变化

• 更好的神经网络训练;卷积神经网络

• 无监督学习与主成分分析

• 奇异值分解;聚类

• 光谱图聚类

• 学习理论

• 多个特征向量;潜在的因素分析;最近的邻居
  

• 更快的最近邻居:Voronoi图和k-d树
  

-END-

专 · 知

专知，专业可信的人工智能知识分发，让认知协作更快更好！欢迎登录www.zhuanzhi.ai，注册登录专知，获取更多AI知识资料！

欢迎微信扫一扫加入专知人工智能知识星球群，获取最新AI专业干货知识教程视频资料和与专家交流咨询！

请加专知小助手微信（扫一扫如下二维码添加），加入专知人工智能主题群，咨询技术商务合作~

专知《深度学习:算法到实战》课程全部完成！530+位同学在学习，现在报名，限时优惠！网易云课堂人工智能畅销榜首位！

点击“阅读原文”，了解报名专知《深度学习:算法到实战》课程