1. 监督学习
- 1.1 广义线性模型
- 1.1.1 普通最小二乘法
- 1.1.2 岭回归
- 1.1.3 Lasso
- 1.1.4 多任务 Lasso
- 1.1.5 弹性网络
- 1.1.6 多任务弹性网络
- 1.1.7 最小角回归
- 1.1.8 LARS Lasso
- 1.1.9 正交匹配追踪法(OMP)
- 1.1.10 贝叶斯回归
- 1.1.11 logistic 回归
- 1.1.12 随机梯度下降, SGD
- 1.1.13 Perceptron(感知器)
- 1.1.14 Passive Aggressive Algorithms(被动攻击算法)
- 1.1.15 稳健回归(Robustness regression): 处理离群点(outliers)和模型错误
- 1.1.16 多项式回归:用基函数展开线性模型
- 1.2 线性和二次判别分析
- 1.3 内核岭回归
- 1.4 支持向量机
- 1.5 随机梯度下降
- 1.6 最近邻
- 1.7 高斯过程
- 1.8 交叉分解
- 1.9 朴素贝叶斯
- 1.10 决策树
- 1.11 集成方法
- 1.12 多类和多标签算法
- 1.13 特征选择
- 1.14 半监督学习
- 1.15 等式回归
- 1.16 概率校准
- 1.17 神经网络模型(有监督)