本文主要是介绍机器学习前期知识点整理(已停更)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
一、贝叶斯公式
二、后验概率，最大后验概率
三、激活函数（rule，sigmid，tanh）
四、BP算法思想
五、损失函数（均方误差mse、自定义损失函数、交叉熵）
六、K近邻算法（曼哈顿距离、欧式距离、夹角余弦、卡尔德相似系数、卡尔顿距离【决策规则——多数表决法、加权表决法】）
七、矩阵分解 (MF)
八、正则化（L1、L2正则化）
九、过拟合与欠拟合
十、神经网络（NN），反向BP
十一、动量因子
十二、BPR
十三、CNN
十四、多层感知机（MLP）
十五、基于用户的协同过滤
十六、基于物品的协同过滤（ItemCF）
十七、KNN算法（分类）
十八、K—means算法（聚簇）
十九、监督学习与无监督学习
二十、梯度下降（GD）
二十一、预测评价指标（RMSE，MSE，MAPE）
二十二、准确率、召回率
这篇关于机器学习前期知识点整理(已停更)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
