1、梯度下降與歸一化
梯度，散度和旋度
歸一化：將二分類轉(zhuǎn)為多分類模型
梯度公式是；散度公式是；旋度公式是。
2、決策樹C4.5
決策樹度輸入是字符串？fpgrowth的算法大概是怎樣的？Apriori
熵值和信息增益公式
3、感知機與神經(jīng)元
權(quán)值是如何通過迭代的形式發(fā)生變更的？見5
4、TF-IDF、主題模型、Word2Vec
5、神經(jīng)網(wǎng)絡(luò)的誤差逆?zhèn)鞑ニ惴?br /> 一個例子，見筆記本
6、SVM、logistic公式推導(dǎo)
7、SGD
單通道和多通道
8、CNN
卷積在數(shù)學上和傅立葉級數(shù)有關(guān)，傅立葉級數(shù)和信號處理有關(guān)。f, g(x)的乘積的傅立葉級數(shù)與各自傅立葉級數(shù)的乘積相等。
padding, stride, input_size, output_size, FC, 反卷積，池化后要反卷積？
AlexNet
VGGNet
經(jīng)過1*1 過濾層相當于進行一次非線性變換。
ResNet網(wǎng)絡(luò)可以持續(xù)加深
InceptionNet
9、目標函數(shù) = 損失函數(shù) + 正則化項
欠擬合和過擬合。欠擬合是高偏差。過擬合是高方差。
10、深度學習庫
tensorflow, keras, mxnet, pandas, mllib
k-means，k中心點，k近鄰
11、聚類算法
k-means、knn、gmm

總結(jié)

以上是生活随笔為你收集整理的百面机器学习的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯，歡迎將生活随笔推薦給好友。