机器学习实战:基于Scikit-Learn和PyTorch¶
- 0. 机器学习实战
- 1. 机器学习概览
- 什么是机器学习
- 为什么要使用机器学习
- 机器学习的种类
- 机器学习的挑战
- 确保你可以回答以下问题
- 1. 你会如何定义机器学习？
- 2. ML在哪些问题上表现突出，举出四种类型？
- 3. 什么是被标记的训练数据集？
- 4. 最常见的两种监督式学习任务？
- 5. 列举四种常见的无监督式学习任务？
- 6. 要让机器人在各种未知地形行走，你会使用什么类型的ML算法？
- 7. 将客户分成多组，你会使用什么类型的算法？
- 8. 你会将垃圾邮件分类问题列出监督式学习还是无监督式学习？
- 9. 什么是在线学习？
- 10. 什么是核外学习？
- 11. 什么类型的学习算法依赖相似度来做出预测？
- 12. 模型参数和学习算法中的超参数有什么区别？
- 13. 基于模型的学习算法搜索的是什么？它们最常用的策略是什么？它们如何做出预测的？
- 14. 提出ML中的四个主要挑战？
- 15. 如果你的模型在训练集上表现很好，但是应用到实际数据上泛化能力却很差，是怎么回事，提出三种可能解决问题的方案？
- 16. 什么是测试集，为什么要使用测试集？
- 17. 验证集的目的是什么？
- 19. 什么是交叉验证，为什么只验证集更好？
- 2. 端到端的机器学习项目
- 3. 分类
- 4. 训练模型
- 5. 支持向量机
- 6. 决策树
- 7. 集成学习与随机森林
- 8. 降维