機器學習

機器學習介紹類

- 什麼是人工智慧、機器學習和深度學習?

- 機器學習介紹

機器學習手法

- 貝氏決策法則(Bayesian decision rule): 最大後驗機率法(Maximum a posterior, MAP)

- 機器學習:如何在多類別分類問題上使用用二元分類器進行分類(Multiclass Strategy for Binary classifier)

- 機器學習: Ensemble learning之Bagging、Boosting和AdaBoost

- 機器學習: Kernel 函數

- 機器學習: EM 演算法(Expectation-Maximization Algorithm, EM)、高斯混合模型(Gaussian Mixture Model, GMM)和GMM-EM詳細推導-非監督式學習

分類

• 機器學習: LDA分類演算法-監督式學習

• 機器學習-支撐向量機(support vector machine, SVM)詳細推導-監督式學習

• 機器學習: 決策樹 (Decision Tree)-監督式學習

• 機器/統計學習: 羅吉斯回歸(Logistic regression)

回歸分析

- 線性回歸(Linear Regression)-監督式學習

- 機器學習: 決策樹 (Decision Tree)-監督式學習

叢集分析

- 機器學習: 集群分析 K-means Clustering-非監督式學習

- 機器學習: EM 演算法(Expectation-Maximization Algorithm, EM)、高斯混合模型(Gaussian Mixture Model, GMM)和GMM-EM詳細推導-非監督式學習

降維

- 機器/統計學習:主成分分析(Principle Component Analysis, PCA)-非監督式學習

- 機器學習: 降維(Dimension Reduction)- 線性區別分析( Linear Discriminant Analysis)-監督式學習

-矩陣分解(Matrix Factorization): 交替最小平方法(Alternating least squares, ALS)和加權交替最小平方法(Alternating-least-squares with weighted-λ -regularization, ALS-WR)