【Mark Schmidt课件】机器学习与数据挖掘——非参数模型

本课件内容包括：

1. 上次课程回顾：垃圾电邮过滤

2. 上次课程回顾：朴素贝叶斯方法

3. 拉普拉斯平滑

4. 决策理论

5. 决策理论示例

6. 决策理论讨论

7. 决策树 vs. 朴素贝叶斯

8. 参数化 vs. 非参数化

9. K近邻算法KNN

10. KNN的一致性

11. 参数化模型 vs. 非参数化模型

12. 维度灾难

13. KNN的具体实现

14. 一维范数

15. 二维范数

16. 测量距离的范数

17. d维范数

18. KNN距离函数

19. 其它性能评估的方法

英文原文课件下载地址：

http://page2.dfpan.com/fs/6lcc3j224251a2b9163/

更多精彩文章请关注微信号：