【Mark Schmidt课件】机器学习与数据挖掘——概率分类
本课件主要内容包括:
-
上次课程回顾:训练、测试与验证
-
上次课程回顾:基本折中关系
-
上次课程回顾:验证误差
-
验证误差与最优化偏差
-
交叉验证CV
-
交叉验证伪代码
-
最优机器学习模型
-
应用:垃圾电子邮件过滤
-
回顾有监督学习方法
-
概率分类器
-
基于贝叶斯准则的垃圾电子邮件过滤
-
朴素贝叶斯方法
-
朴素贝叶斯方法的训练过程
-
朴素贝叶斯方法的预测过程
-
回到决策树的问题
-
交叉验证理论
-
处理数据稀疏性
-
高斯判别分析
一个关于“条件概率”演示的动态在线DEMO,挺有意思的,感兴趣的朋友可以访问该网站看看:http://setosa.io/ev/conditional-probability/
英文原文课件下载地址:
http://page2.dfpan.com/fs/clcjf2216291e6f3f35/
更多精彩文章请关注微信号: