          机器学习算法培训

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 Perceptronb) 线性神经元 Linear Neuron / Adalinec) 逻辑回归 Logistic Regressiond)

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 Na?ve Bayes

决策树及其组合模型Ensemble Models

a) 决策树 Decision Tree: ID3 & CARTb)

随机森林 Random Forestc) 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, Hierarchyb) 降维 Dimension Reductioni.

主成分分析 Principle Component Analysisii.

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 Backpropagationc)

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 CNNii. 循环神经网络 RNN 及其应用

1. 长短记忆神经网络 LSTM2.

受限玻尔兹曼机 Restricted Boltzmann Machine

3. 深度置信网络 Deep Belief Net4. Deep Autoencoder