【机器学习学习脉络】
机器学习学习脉络
基础知识
机器学习概论
监督学习
- 线性回归
- 逻辑回归
- 决策树与随机森林
- 支持向量机（SVM）
- K近邻法（KNN）
- 梯度提升树（GBDT）
- 模型选择与评估
- 过拟合与欠拟合
- 正则化
- 交叉验证
无监督学习
- 聚类
- K均值聚类
- 层次聚类
- 降维
- 主成分分析（PCA）
- t-SNE
- 关联规则学习
- Apriori算法
- FP-Growth算法
深度学习
- 神经网络基础
- 感知机模型
- 反向传播算法
- 卷积神经网络（CNN）
- 图像分类任务
- 经典网络结构（AlexNet, VGG, ResNet等）
- 循环神经网络（RNN）
- 序列建模
- LSTM与GRU
- 深度生成模型
- 自编码器
- 生成对抗网络（GAN）
- 深度强化学习
- MDPs与Q-Learning
- 策略梯度方法
- AlphaGo案例
特征工程与数据预处理
- 数据清洗
- 缺失值处理
- 异常值检测
- 特征选择
- 过滤式方法
- 包裹式方法
- 嵌入式方法
- 特征变换
- 归一化与标准化
- 特征编码（独热编码、标签编码等）
- 数据集划分
- 训练集、验证集、测试集
模型评估与优化
- 损失函数与风险函数
- 性能度量
- 准确率、召回率、F1分数
- ROC曲线与AUC值
- 超参数优化
- 网格搜索
- 随机搜索
- 贝叶斯优化
- 模型融合与集成学习
- Bagging
- Boosting
- Stacking
实践与应用
- 机器学习框架使用
- Scikit-learn
- TensorFlow
- PyTorch
- 实战项目
- Kaggle竞赛参与
- 实际问题解决案例（如图像分类、自然语言处理、推荐系统等）
- 部署与监控
- 模型部署
- 性能监控
- 模型迭代与更新
进阶学习
- 强化学习深入
- 概率图模型
- 隐马尔可夫模型（HMM）
- 条件随机场（CRF）
- 高维数据处理与降维技术
- 大规模机器学习系统
- 隐私保护与机器学习
- 自动化机器学习（AutoML）
原文地址：https://blog.csdn.net/weixin_36808034/article/details/136223201
免责声明：本站文章内容转载自网络资源，如本站内容侵犯了原著者的合法权益，可联系本站删除。更多内容请关注自学内容网（zxcms.com）！