# 机器学习概览
学习的本质都是最优化问题
# 学习目标
分类
回归
# 模型
# SVM
# 树模型
ID3
C4.5
CART
XGBoost
LightGBM
CATBoost
# 神经网络
Dense (Fully Connected)
CNN
RNN
# 激活函数
将线性函数转化为非线性函数,激活函数一般来讲也是模型的一部分
sigmoid
softmax
tanh
relu
leakyRelu
# 目标函数
# 损失函数
最小二乘
*极大似然
logLoss/logitLoss
cross-entropy Loss
Focal Loss
# 正则化项
L1
L2
# 优化算法
梯度下降 (可视化 (opens new window))
- vanilla gradient decent
- Momentum
- AdaGrad
- RMSProp
- Adam
牛顿法
拟牛顿法
DFP
BFGS
Broyden
https://zhuanlan.zhihu.com/p/37524275
http://www.cs.toronto.edu/~tijmen/csc321/slides/lecture_slides_lec6.pdf
# 评价指标
Accuracy, Precision, Recall
F1-score
ROC/AUC
1.机器学习简介 →