目录
摘要
1.什么是机器学习?
2.有监督学习和无监督学习的区别
3.什么是过拟合、欠拟合?怎么解决?
4.分类问题和回归问题的区别
5.怎么做异常检测?其目标函数是什么?与有监督学习的 区别是什么?
6. K-means 的基本步骤,如何生成结果?计算方法,目标函数
7. 单变量和多变量的线性回归模型是什么?损失函数是什 么?梯度下降法怎么计算?
8. 正则方程和梯度下降优缺点是什么?学习率的设置不同 有什么影响?
9. 协同过滤的目标函数是什么?具体算法是什么样?冷启 动问题怎么解决?新用户刚加入如何推荐?
摘要
本周对统计学习的内容进行复习