對(duì)于初學(xué)者，必須閱讀哪些有關(guān)機(jī)器學(xué)習(xí)的論文？

我的答案假設(shè)您是機(jī)器學(xué)習(xí)的初學(xué)者，并且對(duì)統(tǒng)計(jì)，概率和微積分有一定的了解。

• 正如之前所提，布里奧曼（Leo Breiman）的兩篇文化論文是一個(gè)很好的開(kāi)始，了解統(tǒng)計(jì)和計(jì)算機(jī)科學(xué)的觀點(diǎn)統(tǒng)計(jì)學(xué)習(xí)研究社區(qū)。我強(qiáng)烈建議您閱讀。
• 對(duì)于數(shù)據(jù)準(zhǔn)備和預(yù)處理Hadley Wickham Tidy數(shù)據(jù)是必讀的。
• 回歸分析是機(jī)器學(xué)習(xí)的基礎(chǔ)和最重要的概念之一，您應(yīng)該知道的7種回歸技術(shù)！可以給您一個(gè)概述。
• 非常重要概念：沒(méi)有免費(fèi)的午餐定理。

機(jī)器學(xué)習(xí)涉及多個(gè)方面，分別是：

數(shù)據(jù)表示：將數(shù)據(jù)轉(zhuǎn)換到另一個(gè)空間（通常是矢量空間）的位置。

1. 代表向量空間中的單詞：向量空間中單詞表示的有效估計(jì)。
2. 一種矢量文件：句子和文件的分布式表示。

學(xué)習(xí)：

1. 梯度下降優(yōu)化算法概述
2. 現(xiàn)代隨機(jī)優(yōu)化算法的比較
3. 分步反向傳播示例

評(píng)價(jià)：對(duì)模型進(jìn)行實(shí)證評(píng)估非常重要，以了解模型并從中進(jìn)行推斷。

1. 每個(gè)人都應(yīng)該知道的7個(gè)重要的模型評(píng)估錯(cuò)誤度量
2. 評(píng)估機(jī)器學(xué)習(xí)方法
3. 備忘單

神經(jīng)網(wǎng)絡(luò)的花絮：

1. 學(xué)習(xí)：理解線性單元的深層神經(jīng)網(wǎng)絡(luò)
2. 正則化：輟學(xué)：防止神經(jīng)網(wǎng)絡(luò)過(guò)度擬合的簡(jiǎn)單方法
3. 應(yīng)用：深度卷積神經(jīng)網(wǎng)絡(luò)的ImageNet分類(lèi)s

希望有幫助。_/ \ _

寶寶起名 起名