百面机器学习笔记---0、读大纲
一、总结
一句话总结：
第1章、【特征工程】；第2章、【模型评估】；第3章、【经典算法】
第4章、【降维】；第5章、【非监督学习】；第6章、【概率图模型】
第7章、【优化算法】；第8章、【采样】
第9章、【前向神经网络】；第10章、【循环神经网络】；第11章、【强化学习】；第12章、【集成学习】；第13章、【生成式对抗网络】
1、第1章、特征工程？
例如归一化、特征处理、词向量等
2、第2章、模型评估？
就是评估模型的手段，可以参照西瓜书上面的
3、第3章、经典算法？
一些经典算法，比如svm、逻辑回归、决策树等等等
4、第4章、降维？
主要就是降维的【PCA和线性判别分析】
5、第5章、非监督学习？
讲解非监督学习的一些方法：比如K均值聚类、高斯混合模型等
6、第6章、概率图模型？
比如贝叶斯网络、马尔科夫模型、最大熵模型等
7、第7章、优化算法？
比如凸优化问题、无约束优化问题、随机梯度下降等
8、第8章、采样？
比如MCMC采样法以及一些常用的模型怎么采样
9、第9章、前向神经网络？
就是神经网络的那些事：比如卷积神经网络、循环神经网络、网络优化等
10、第10章、循环神经网络？
就是循环神经网络的那些事，仅此而已
11、第11章、强化学习？
传统强化学习、深度强化学习等
12、第12章、集成学习？
比如随机森林、GBDT等等
13、第13章、生成式对抗网络？
就是gan的那些事，比如WGAN等
二、内容在总结中
博客对应课程的视频位置：