老饼讲解-机器学习 机器学习 神经网络 深度学习
机器学习入门
1.学前解惑
2.第一课:初探模型
3.第二课:逻辑回归与梯度下降
4.第三课:决策树
5.第四课:逻辑回归与决策树补充
6.第五课:常见的其它算法
7.第六课:综合应用

机器学习-需要学习哪些内容

作者 : 老饼 发表日期 : 2022-06-27 22:49:20 更新日期 : 2023-12-30 01:54:58
本站原创文章,转载请说明来自《老饼讲解-机器学习》www.bbbdata.com


本文介绍学习机器学习所需要学习的具体内容



    01.  机器学习-学习内容简介    



本节介绍机器学习的学习内容的类别



    机器学习-所需学习内容类别    


这里我们并不考虑机器学习学术上的知识体系和完整性,
而是描述实际应用中的使用体系、知名度和性价比

需要学习的内容分为
👉 模型(算法)  
👉 求解算法    
👉 综合知识    
其中,模型/算法是指最终所需使用的对象,
而求解算法是服务于模型的,求解模型所需的参数
综合知识则是根据具体实践项目,灵活性补充的相关知识





    02.  具体学习内容介绍    


本节列举一些重要的、具体的学习知识内容


   01. 模型(算法)   


模型非常多,下面列举一些知名度较高的模型,
也可以认为是常见的Base模型
系列模型
线性回归-->逻辑回归-->SVM                                                    
决策树-->集成算法(随机森林、Adboost、GBDT)-->Xgboost    
PCA-->LDA-->FA-->ICA(该系列通常用于降维)                     
线性回归-->岭回归-->Lasso回归                                               
  散装模型
 
KNN、K-means、朴素贝叶斯、隐马可夫链、Apriori
✍️说明
(1)标红的是必学的模型                                   
(2)系列模型是指这些模型是相关的,学习时按顺序递进式学习
散装模型则是独立的,没有依赖,独立学习即可       




   02.  求解算法   


1、精确求解:线性方程最小二乘求解                                               
2、基于微分的优化算法:梯度下降、牛顿法与拟牛顿法、共轭梯度法
3、*启发式智能算法:模拟退火、遗传算法、蚁群算法                      
 加*的代表该系列优先度不高




   03.  综合知识   


常见的有:过拟合、正则化、数据清洗、AUC、KS等等
综合知识往往是在学习模型或实践中慢慢积累而成,不需特地专门去学习




这里只是把较具代表性的列出来,能搞完上面这些,已经不错了

事实上,上面的内容并不会要求全部学完

一般先学一部分,再按具体工作所需进行补充学习即可






 End 






联系老饼