1、梯度下降與歸一化
梯度，散度和旋度
歸一化：將二分類轉為多分類模型
梯度公式是；散度公式是；旋度公式是。
2、決策樹C4.5
決策樹度輸入是字符串？fpgrowth的算法大概是怎樣的？Apriori
熵值和信息增益公式
3、感知機與神經元
權值是如何通過迭代的形式發生變更的？見5
4、TF-IDF、主題模型、Word2Vec
5、神經網絡的誤差逆傳播算法
一個例子，見筆記本
6、SVM、logistic公式推導
7、SGD
單通道和多通道
8、CNN
卷積在數學上和傅立葉級數有關，傅立葉級數和信號處理有關。f, g(x)的乘積的傅立葉級數與各自傅立葉級數的乘積相等。
padding, stride, input_size, output_size, FC, 反卷積，池化后要反卷積？
AlexNet
VGGNet
經過1*1 過濾層相當于進行一次非線性變換。
ResNet網絡可以持續加深
InceptionNet
9、目標函數 = 損失函數 + 正則化項
欠擬合和過擬合。欠擬合是高偏差。過擬合是高方差。
10、深度學習庫
tensorflow, keras, mxnet, pandas, mllib
k-means，k中心點，k近鄰
11、聚類算法
k-means、knn、gmm

總結

以上是生活随笔為你收集整理的百面机器学习的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。