【ETH】机器学习数学基础课程笔记, 83页pdf

机器学习的数学方面的入门课程，包括监督学习，无监督学习，稀疏性和在线学习。

课程内容将视学期进度和收到的反馈而定，暂定计划如下:

(1)无监督学习与数据精简:

聚类和k-means

奇异值分解

低秩近似和Eckart-Young-Mirsky定理

降维和主成分分析

矩阵完成和Netflix奖

过度完备字典和有限框架理论

稀疏性和压缩感知

谱图理论简介。

(2) 在线监督学习:

分类器的分类和泛化介绍

一些集中不等式

稳定性和VC维

在线学习:根据专家建议和指数权重进行学习

简单介绍优化和梯度下降

https://people.math.ethz.ch/~abandeira/Math_of_ML_Lecture_Notes2021.pdf