本文探讨了机器学习的传统方法与深度学习的现代技术。从数据预处理、特征提取到选择分类器，全面覆盖了传统机器学习流程。深度学习部分深入介绍了数据准备、模型设计与训练过程，为读者提供了清晰的学习路线。
课堂学习笔记
- 传统机器学习
- 数据预处理–归一化、降维、去躁
- 特征提取–图像：SIFT、LBP、Fisher，语言：Word2vec、MFCC
- 选择分类器–SVM、决策树、随机森林、贝叶斯网络、线性回归、聚类
- 深度机器学习
- 数据准备–数据、label
- 设计模型–CNN、RNN
- 训练–调结构、损失函数、训练参数
- 基本概念
- y=W∗X+by = W*X+by=W∗X+b
- 神经元：模型的基本单位
- 卷积核：图像处理基本算子
- 分类
- 回归
扫一扫
10-15
1632
1632
10-08
192
192
07-08
1019
1019
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
