机器学习漫画小抄 机器学习公式详解 深度学习 机器学习闪卡（异步图书出品）

　　单位归一化1
　　Tomek链接2
　　上采样3
　　数据增强4
　　下采样5
　　最小-最大缩放6
　　独热编码7
　　插补法8
　　基于k-NN的插补法9
　　学习曲线10
　　假阳性率11
　　闵可夫斯基距离12
　　学习率13
　　布里尔分数14
　　分类15
　　假阴性率16
　　训练误差率17
　　曲线下面积18
　　F1分数19
　　模型复杂度对偏差和方差的影响20
　　没有免费午餐定理21
　　预处理训练集和测试集22
　　深度双重下降23
　　主成分分析24
　　超参数VS参数25
　　损失函数的最小值26
　　模型一致性27
　　模型复杂度28
　　特征重要性29
　　机器学习中的“学习”意味着什么？30
　　泛化31
　　训练集，验证集和测试集32
　　过拟合与欠拟合33
　　袋外误差34
　　决策树35
　　决策树回归36
　　随机森林37
　　随机森林中的基尼系数38
　　特征缩放对梯度下降的影响39
　　正则化40
　　C，正则化强度的倒数41
　　早停法42
　　弹性网络43
　　Dropout44
　　权重衰减45
　　HingeLoss46
　　均方误差47
　　Kullback-Leibler散度损失48
　　二元交叉熵损失49
　　分类交叉熵损失50
　　损失函数51
　　Boosting52
　　弱学习器53
　　AdaBoost54
　　bagging算法55
　　集成方法56
　　神经网络参数随机初始化57
　　深度网络的目的58
　　指数线性单元59
　　神经元60
　　隐藏层61
　　LeakyReLU62
　　NoisyReLU63
　　梯度裁剪64
　　反向传播65
　　Epoch66
　　梯度悬崖67
　　常见的输出层激活函数68
　　梯度下降法69
　　线性激活函数70
　　小批量71
　　梯度爆炸72
　　Sigmoid激活函数73
　　Tanh激活函数74
　　深度学习的动机75
　　修正线性单元76
　　DBSCAN77
　　k-NN算法78
　　K均值聚类79
　　k-NN邻域大小80
　　线性判别分析81
　　核主成分分析82
　　均值漂移聚类83
　　偏差-方差权衡84
　　偏差85
　　偏差直觉86
　　贝叶斯误差87
　　大O表示法88
　　混淆矩阵89
　　动量随机梯度下降90
　　随机梯度下降91
　　RMSprop优化器92
　　特征选择策略93
　　准确率94
　　分类特征95
　　L1范数96
　　L2范数97
　　维度灾难98
　　特征矩阵99
　　自助采样法100
　　MNIST数据集101
　　词袋102
　　K折交叉验证103
　　超参数调优104
　　网格搜索105
　　错误类型106

　　本套漫画小抄准确解释了机器学习领域的106个重要概念，覆盖从随机森林到神经网络的各种算法。每张漫画小抄介绍一个重要概念，通过简明扼要的语言、易懂易记的插图、简洁明晰的排版布局，生动地呈现了每一个概念的思想内核，能帮助读者快速高效地理解与记忆。
　　本套漫画小抄适合所有机器学习的爱好者阅读，尤其是那些希望进一步了解机器学习概念的读者，包括高等院校计算机相关专业的大学生、研究生，计算机应用相关领域的研发人员与算法工程师等。