1、机器学习简介
-
什么是机器学习？
-
为什么我们需要机器学习？
-
机器学习解决了哪些类型的问题？
-
您处理的数据类型？
2、监督学习？
-
什么是监督学习？
-
分类
-
回归
-
分类算法
-
回归算法
-
分类和回归的模型评估指标
3、无监督学习
-
什么是无监督学习？
-
预处理和缩放数据集
-
降维
-
特征提取
-
流形学习
-
聚类
-
聚类算法
4、特征工程
-
分类特征
-
一热编码
-
分箱和离散化
-
相互作用和多项式
-
单变量非线性变换
-
线性模型和树
-
特征选择
5、模型评估
-
过拟合和欠拟合
-
交叉验证
-
网格搜索
-
评估指标
-
型号选择
-
超参数调优
6、处理文本数据
-
文本数据的类型
-
分析情绪
-
袋模型
-
停用词
-
Tf-Idf
-
符号化
-
提取词根
-
词形还原
-
主题建模
-
文档聚类
7、管道
-
参数选择
-
建筑管道
-
在网格搜索中使用管道
文章来源：https://bhagirathkd.hashnode.dev/all-topics-of-machine-learning-you-should-know
网友评论