qqscepticism66690

课程主要针对机器学习这个领域,重点介绍了机器学习中的核心算法和理论,使学生通过理论学习掌握机器学习中的经典理论,了解当前最新发展,并学会针对各自学科的具体问题设计算法。具体要求学生掌握支持向量机,人工神经网络、深度学习、强化学习、主成分分析、K-均值聚类和高斯混合模型。同时,课程规划了一系列编程训练

集中趋势和离散趋势的度量: 众数、中位数和平均数: 方差和标准差: 相对离散程度:离散系数的作用: 怎样理解置信区间 影响区间宽度的因素 解释95%的置信区间 什么是假设检验中的显著性水平?统计显著是什么意思? 显著性水平α的局限性 什么是假设检验的两类错误及其数理关系怎样 P值较小时为什么要拒绝原

比较概率抽样和非概率抽样的特点,举例说明什么情况下适合采用概率抽样,什么情况下适合采用非概率抽样。 比较分层抽样、系统抽样和整群抽样 直方图和条形图有何区别? 比较三种不同性质的分布 重复抽样和不重复抽样相比,抽样均值分布的标准差有何不同 评价估计量的标准 参数估计和假设检验的区别和联系 假设检验的