最近一邊看書，一邊梳理機(jī)器學(xué)習(xí)的知識點(diǎn)：

1. 線性回歸

2.線性回歸的損失函數(shù)（誤差的平方和）

3. 最小二乘法(手推導(dǎo))

4.批量梯度下降法（學(xué)習(xí)率大小問題）

5.放縮scaling對梯度下降的影響

6.多元線性回歸

7.邏輯斯蒂回歸-二元分類

8.LR代價(jià)函數(shù)

9.神經(jīng)網(wǎng)絡(luò)

10.前向傳播和后向傳播

11.神經(jīng)網(wǎng)絡(luò)過程

12.模型選擇和交叉驗(yàn)證

13.高偏差和高方差

14.偏差和方差（欠擬合和過擬合）

15.學(xué)習(xí)率

16.模型評價(jià)? 混淆矩陣? 準(zhǔn)確率和召回率? F1值，ROC曲線和auc的含義

17.無監(jiān)督聚類 k-means? 迭代算法和過程?? 選擇聚類數(shù)的動機(jī)? 聚類相似度和距離的度量? 中心點(diǎn)隨機(jī)初始化?? 代價(jià)函數(shù)?? 容易陷入局部最小值? 解決辦法多運(yùn)行幾次取loss最小的，降維? 數(shù)據(jù)可視化?? PCA。

18.

總結(jié)

以上是生活随笔為你收集整理的机器学习的理论知识点总结的全部內(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(cuò)，歡迎將生活随笔推薦給好友。