电子科技大学：《机器学习 Machine Learning》课程教学资源（课件讲稿）第10讲 特征提取 Feature Extraction

模式特征 类别可分离性判据 特征的选择 讨论

无监督学习任务 基于原型的学习方法 EM算法 动态聚类方法 新方法

电子科技大学：《机器学习 Machine Learning》课程教学资源（课件讲稿）第7讲 其他分类方法 Classifiers for More

1 最近邻法 2 k-近邻法 3 近邻法快速算法 4 剪辑近邻法与压缩近邻法

1 人工神经网络发展概况 2 神经网络基本概念 3 前馈神经网络 4 其他神经网络简介 5 神经网络模式识别

最大间隔与支持向量机 支持向量回归 软间隔与正则化 核方法 统计学习理论简介

理解线性判别分析 了解多分类学习 理解对数几率回归 掌握线性回归 了解类别不平衡问题

了解常用的性能度量 理解常用的比较检验 理解经验误差与过拟合 掌握偏差与方差 灵活运用评估方法

为何研究机器学习 什么是机器学习 机器学习的主要方法 本课程的主要内容及参考资料