机器学习算法理论与实践的系统性学习框架.docxVIP

机器学习算法理论与实践的系统性学习框架

目录

一、数理逻辑与统计基石．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.1线性代数矩阵运算．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．2

1.2微积分与优化理论．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．3

1.3概率论与统计推断．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．4

二、数据工程与特征构建．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．5

2.1数据清洗与噪声处理．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．6

2.2特征工程与降维技术．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．9

2.3数据集划分与采样策略．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．13

三、有监督模型解析．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.1线性与逻辑回归．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．16

3.2决策树与集成学习方法．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．．18

3.3支持