CS代考程序代写 algorithm LECTURE 4 TERM 2:

LECTURE 4 TERM 2:
MSIN0097
Predictive Analytics
A P MOORE

MACHINE LEARNING JARGON
¡ª Model
¡ª Interpolating / Extrapolating ¡ª Data Bias
¡ª Noise / Outliers
¡ª Learning algorithm
¡ª Inference algorithm
¡ª Supervised learning
¡ª Unsupervised learning
¡ª Classification
¡ª Regression
¡ª Clustering
¡ª Decomposition
¡ª Parameters
¡ª Optimisation
¡ª Training data
¡ª Testing data
¡ª Error metric
¡ª Linear model
¡ª Parametric model
¡ª Model variance
¡ª Model bias
¡ª Model generalization
¡ª Overfitting
¡ª Goodness-of-fit
¡ª Hyper-parameters
¡ª Failure modes
¡ª Confusion matrix
¡ª Data density
¡ª Partition
¡ª Hidden parameter
¡ª Feature space
¡ª High dimensional space
¡ª Low dimensional space
¡ª Separable data
¡ª Manifold / Decision surface
¡ª Hyper cube / volume / plane

D. DECOMPOSITION PROJECTION METHODS
Dimensionality reduction

D. DECOMPOSITION KERNEL METHODS

D. DECOMPOSITION MANIFOLD LEARNING

KERNEL METHODS
SupportVector Machines

DECISION BOUNDARIES

A. CLASSIFICATION CATEGORICAL VARIABLE

LARGE MARGIN

FEATURE SCALING

HARD MARGIN

MARGIN VIOLATIONS

HIGHER DIMENSIONS (FEATURES)

LINEAR SVM

POLYNOMIAL KERNEL

SIMILARITY FEATURES

RBF KERNEL

SVM REGRESSION

SVM POLYNOMIAL REGRESSION

DECISION FUNCTION

OP TIMIZ ATION
¡ª Kernel Trick
¡ª Optimization
¡ª Quadratic programming ¡ª The Dual problem

LECTURE 4 TERM 2:
MSIN0097
Predictive Analytics
A P MOORE