原创力文档- 1、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。。
- 2、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击 这里二次下载。
- 3、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
- 4、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
- 5、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
- 6、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
- 7、VIP文档为合作方或网友上传，每下载1次， 网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档
计算机科学中的机器学习方法与应用
目录
文档概览．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4
1.1机器学习概述．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5
1.2机器学习的发展历程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6
1.3机器学习在计算机科学中的地位．．．．．．．．．．．．．．．．．．．．．．．．．．7
1.4本书的组织结构．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
机器学习基础理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．11
2.1数据表示与特征工程．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16
2.1.1数据类型与表示方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18
2.1.2特征提取与选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．21
2.1.3特征缩放与规范化．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．23
2.2模型评估与选择．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．25
2.2.1评估指标与参数．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．28
2.2.2交叉验证方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．30
2.2.3模型选择策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．33
2.3过拟合与欠拟合．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．35
2.3.1过拟合的识别与解决．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．37
2.3.2欠拟合的识别与解决．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．41
2.3.3正则化方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．42
监督学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
3.1分类问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．44
3.1.1感知机．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．47
3.1.2支持向量机．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．50
3.1.3决策树．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．51
3.1.4随机森林．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．53
3.1.5朴素贝叶斯．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．55
3.1.6K近邻算法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．61
3.2回归问题．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．63
3.2.1线性回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．64
3.2.2岭回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．67
无监督学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．68
4.1聚类分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．71
4.1.1K均值聚类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．72
4.1.2层次聚类．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．73
4.2降维方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．76
4.2.1主成分分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．79
4.2.2线性判别分析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．84
强化学习．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．
文档评论（0）