会员服务
“机器学习是近20多年兴起的一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。机器学习理论主要是设计和分析一些让 可以自动“ 学习”的算法。机器学习算法是一类从数据中自动分析获得规律，并利用规律对未知数据进行预测的算法。因为学习算法中涉及了大量的统计学理论，机器学习与统计推断学联系尤为密切，也被称为统计学习理论。算法设计方面，机器学习理论关注可以实现的，行之有效的学习算法。很多 推论问题属于 无程序可循难度，所以部分的机器学习研究是开发容易处理的近似算法。” ——中文维基百科
暂无数据
参考链接
父主题
大数据分析
人工智能
统计学
计算机科学
子主题
自动机器学习
判别模型
无监督学习
计算学习理论
硬标签
可解释机器学习
目标函数
泛化误差
有监督学习
集成学习
自编码器
谐波均值
迁移学习
标签平滑
梯度下降优化
隐马尔科夫模型
Transformer
模仿学习
表征学习
模型评估
自监督学习
度量学习
AdaBoost
数据降维
特征选择
支持向量机
EM算法
动量
强化学习
元学习
前馈神经网络
代价函数
模型泛化
主动学习
梯度消失
负采样
长短期记忆
决策树
Jonathan Schmidt
Mário R. G. Marques,
测试集
朱俊彦
反向传播
循环神经网络
Zeqi Gu
DBN
感知机
最大熵模型
半监督学习
软标签
深度生成模型
K近邻法
监督学习
卷积神经网络
小样本学习
分布式机器学习
自适应系统
条件随机场
长短期记忆网络
机器学习平台
人工神经网络
F-Score
预训练模型
表示学习
Dawei Zhou
多任务学习
半监督分类
神经网络
哈希学习
对抗学习
图机器学习
朴素贝叶斯
逻辑回归
生成模型
概率图模型
ICML 2022
微信扫码咨询专知VIP会员
Top