【David Sontag】监督学习方法
本课件主要内容包括：
-
最近邻算法
-
K最近邻算法
-
判决边界
-
k-NN示例
-
加权k-NN
-
k-NN与高斯核SVM很相似
-
KNN的优点
-
ER中的机器学习
-
我们能预测感染吗？
-
基于判决树的感染预测
-
假设：判决树
-
假设空间
-
判决树的学习是很困难的！
-
递归步骤
-
测量的不确定性
-
熵
-
熵的示例
-
条件熵
-
信息增益
-
判决树学习
-
判决树导致的过度拟合
-
选择最优门限
-
MPG示例
-
组合方法
-
偏差与方差的折中
-
在不增大偏差的情况下减小方差
-
Bagging示例
-
CART判决界
-
随机森林
完整课件下载地址：
http://page2.dfpan.com/fs/2lbc8j62a2c15239160/
更多精彩文章请关注微信号：