1 机器学习的动机与应用
2 策略搜索
2 监督学习应用.梯度下降
3 欠拟合与过拟合的概念
4 牛顿方法
5 生成学习算法
6 朴素贝叶斯算法
7 最优间隔分类器问题
8 顺序最小优化算法
9 经验风险最小化
10 特征选择
11 贝叶斯统计正则化
12 K-means算法
13 高斯混合模型
14 主成分分析法
15 奇异值分解
16 马尔可夫决策过程
17 离散与维数灾难
18 线性二次型调节控制
19 微分动态规划
1 机器学习的动机与应用
2 策略搜索
2 监督学习应用.梯度下降
3 欠拟合与过拟合的概念
4 牛顿方法
5 生成学习算法
6 朴素贝叶斯算法
7 最优间隔分类器问题
8 顺序最小优化算法
9 经验风险最小化
10 特征选择
11 贝叶斯统计正则化
12 K-means算法
13 高斯混合模型
14 主成分分析法
15 奇异值分解
16 马尔可夫决策过程
17 离散与维数灾难
18 线性二次型调节控制
19 微分动态规划
评论0