机器学习路线

发布 | 2018-10-22 | 机器学习,技术 | 800 浏览

一讲:NumPy及向量化、梯度下降算法,多维梯度下降算法
二讲:Pandas学习,基本数据对象及操作/数据清洗/数据合并及分组/数据可视化Seaborn
三讲:kNN算法
四讲:线性回归
五讲:逻辑回归及Softmax回归
六讲:正则化
七讲:决策树(Decision Tree)、支持向量机(SVM)、主要成分分析(PCA)
八讲:特征工程、模型调优、模型评价指标、集成学习
图像数据挖掘:计算机视觉库OpenCv、图像数据基本概念及操作、常用的图像特征描述、K-Means聚类 ->行人检测
文本数据挖掘:自然语言处理NLTK、文本预处理、中文分词及词云分析、文本特征提取、朴素贝叶斯 ->基于标题对短视频进行分类
时序分析:Pandas时间序列基本操作、平稳性检验、平稳性处理、ARIMA模型 ->空气质量时间序列预测
前沿:人工神经网络、深度学习及框架、卷积神经网络(CNN)、循环神经网络(RNN)、长短时记忆网络(LSTM)、循环神经网络的变种、seq2seq模型 ->机器翻译

标签
没有标签

© 著作权归作者所有

本文由 豆末 创作,采用 知识共享署名4.0 国际许可协议进行许可,本站文章除注明转载/出处外,均为本站原创或翻译,转载前请务必署名。

吐槽一下吧

*选项为必填