20180807--关于机器学习的疑问集合

本文汇总了机器学习领域的关键知识点,包括BP、SVM、LR等算法的手动推导过程,探讨了PCA与ICA的区别及其应用,分析了SVM与神经网络的差异,并深入讨论了过拟合问题的解决方案。此外,还对比了bagging、boosting、RF和GBDT等集成学习方法的特点。

关于机器的疑问集合

×日精进,以为德×

问题列表

  • 1.BP、SVM、LR手动推导?Softmax?
  • 2.ICA和PCA的原理及区别?PCA为什么要中心化?
  • 3.SVM与神经网络的差异?
  • 4.L1,L2正则化
  • 5.如何避免过拟合问题?
  • 6.bagging,boosting,RF和GBDT的比较?知否?
  • 7.boosting和adaboost的基本原理?
  • 8.信息量,信息熵,交叉熵,KL散度和互信息?

每次写博客都是为了更好地表达自己,进步!

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值