文章作为CSIT6000G Machine Learning课程的知识梳理记录。 一、理论基础 1、概率论相关知识 2、偏差 二、线性回归 三、分类问题 1、logistic 回归 2、softmax回归 3、generative model 四、预测结果偏差与方差分析 五、深度学习 1、总体方案 ## Previous Jekyll搭建本地博客运行环境 Next Markdown 的基本使用 CATALOG FEATURED TAGS Tools MachineLearning ArtificialIntelligence Network Java Python read Algorithm jvm FRIENDS