线性回归 ●最小二乘法 ●梯度下降 二分类任务 ●对数几率回归-Logistic Regression ●线性判别分析-Linear Discriminate Analysis 多分类任务 ●一对一 ●一对其余 ●多对多 类别不平衡问题

 机器学习是数据分析与挖掘的一种手段  机器学习是什么？  利用经验改善系统自身的性能  关于T和P，程序对E进行学习  Looking for a function  机器学习发展史  人工智能三阶段：推理期、知识期、学习期  深度学习∈机器学习∈人工智能  机器学习基本术语  回归、分类；模型、学习器；样本、样例……  模型选择：奥卡姆剃刀？NFL？

第五节 方差分析 ❖一 方差分析的基本思想 ❖二 完全随机设计的多个样本均数比较 ❖三 随机区组组设计的多个样本均数比较 ❖四 多个样本均数间的两两比较的q检验 第六节 假设检验时应注意的事项

1 在一密闭容器内，储有A、B、C三种 理想气体，A气体的分子数密度为n1，它产生 的压强为p1，B气体的分子数密度为2n1，C气 体的分子数密度为3n1，则混合气体的压强为 （A）3p1 （B）4p1 （C）5p1 （D）6p1

➢ 基本概念 ➢ 数据的传输 ➢ 数据传输的同步方式 ➢ 数据的编码和调制技术 ➢ 数据交换技术 ➢ 信道复用技术 ➢ 传输媒体的类型与特点 ➢ 差错控制技术

图像的视觉感知 图像的获取和表示 像素的基本关系 数字图像的基本运算

大型程序的构造中,程序员不可避免要涉及到新数据类型的设 计和实现。 如:大学中,表示一堂课的数据对象 section,包含的信息有: 老师名、教室、最大注册数等,还可以包含一个注册学生列 表作为部件。 操作包括:创建一个 section、注册一个学生、消除一个 section等

一、本课程教学目的和课程性质 课程教学目的：通过本课程的学习，使学生学会分析研究计算机加工的数据的结构特性，掌握基本的数据组织、数据存储及数据处理的方法，掌握算法的效率分析方法，培养学生根据实际问题的需要选择和设计合适的逻辑结构、存储结构及算法的能力

理解 A/D 转换的原理与过程 了解 A/D 的基本参数及应用

5.1 数组的定义 5.2 数组的顺序表示和实现 5.3 矩阵的压缩存储 5.3.1 特殊矩阵 5.3.2 稀疏矩阵 5.4 广义表的定义 5.5 广义表的存储结构