Серия карт машинного обучения (1): обработка данных

машинное обучение глубокое обучение

Серия руководств по картам машинного обучения призвана помочь разработчикам получить систематическую концепцию сети знаний машинного обучения.Конкретная интерпретация не идеальна, и разработчикам необходимо самостоятельно исследовать, чтобы глубоко понять конкретные знания. Этот проект вдохновлен проектом с открытым исходным кодом Даниэля Формозо на github. Автор этой статьи переводит, систематизирует, аннотирует и другие второстепенные творения своего проекта, и в ней много редких математических терминов, что отнимает много сил у автора, не обучавшегося за границей. Я организовал карту в виде карты знаний для всеобщего обозрения. Из-за большой сети знаний о машинном обучении полная карта слишком велика, и изображения в статье могут быть сжаты.Чтобы получить полные изображения, просмотрите проект github machine-learning-mindmap-cn, чтобы загрузить оригинал в высоком разрешении. карта. Эта серия все еще находится в процессе постоянного создания, ваши лайки, комментарии и звезды станут движущей силой для моего постоянного творчества.

Daniel Formoso: GitHub.com/subversionormemso/лошадь…
machine-learning-mindmap-cn: GitHub.com/adopters/no…

Серия карт машинного обучения разделена на пять модулей.

  1. машинное обучение обработка данных
  2. Концепции машинного обучения
  3. процесс машинного обучения
  4. Алгоритмы машинного обучения
  5. Модели машинного обучения и модели нейронных сетей

тип данных

исследование данных

Очистка данных

Интерполяция объектов

разработка функций

Выбор функций

Кодирование функций

Нормализация признаков (Normalisation) или масштабирование (Scaling)

Построить набор данных

Наконец

Ты просто комплимент.