1.1 回归
- 线性回归
- 局部加权回归 (LOWESS)
1.2 分类
- 逻辑回归
- 支持向量机 (SVM)
- 朴素贝叶斯
1.3 树与集成方法
- 决策树
- 随机森林
- 梯度提升树 (GBM)
2.1 聚类
- K均值
- 层次聚类
2.2 降维
- 主成分分析 (PCA)
- 独立成分分析 (ICA)
- 潜在狄利克雷分配 (LDA)
3.1 神经网络基础
- 前向传播
- 反向传播
3.2 网络架构
- 卷积神经网络 (CNN)
- 循环神经网络 (RNN)
- 生成对抗网络 (GAN)
3.3 优化技巧
- 批量归一化
- Dropout
4.1 模型评估
- 混淆矩阵
- ROC曲线与AUC
4.2 调参策略
- 交叉验证
- 网格搜索
4.3 正则化方法
- L1/L2正则化
- 早停法