深度学习之路

本文全面介绍了深度学习的基础知识,包括机器学习概览、广义线性模型、经典概率模型等,并深入探讨了决策树、随机森林等组合模型,以及非监督学习、人工神经元网络等关键技术。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

深度学习需要掌握的基本知识

主题内容

机器学习概要

a) 什么是机器学习 & 与传统软件开发的异同
b) 机器学习的分类和特点
c) 机器学习可以解决的问题和应用现状

广义线性模型

a) 感知器模型 Perceptron
b) 线性神经元 Linear Neuron / Adaline
c) 逻辑回归 Logistic Regression
d) 误差曲面和三种梯度下降算法 Gradient Descendent 

经典概率模型

a) 朴素贝叶斯 Naïve Bayes

决策树及其组合模型 Ensemble Models

a) 决策树 Decision Tree: ID3 & CART
b) 随机森林 Random Forest
c) 自适应增强算法 Adaptive Boosting (AdaBoost)

d) 梯度增强决策树 Gradient Boost Decision Tree (GBDT)

非监督学习模型 Unsupervised Learning

a) 聚类 Clustering: K-­‐Means, Hierarchy
b) 降维 Dimension Reduction
i. 主成分分析 Principle Component Analysis
ii. 奇异值分解 Singularity Decomposition c) 关联规则
i. Apriori 关联分析
ii. FP-­‐growth 频率项集

人工神经元网络 Artificial Neural Networks

a) 神经元网络架构
b) 向后传播训练算法 Backpropagation
c) 多层感知器网络 Multiple-­‐Layer Perceptron (MLP) d) 深度学习神经网络介绍
i. 卷积神经网络 CNN
ii. 循环神经网络 RNN 及其应用 1. 长短记忆神经网络 LSTM
2. 受限玻尔兹曼机 Restricted Boltzmann Machine
3. 深度置信网络 Deep Belief Net
4. Deep Autoencoder


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