机器学习概述

机器学习是一种使计算机能够通过数据自主学习的方法。它涵盖了多个方面，包括有监督学习、无监督学习、过拟合问题和模型选择等内容。

本次课程将介绍机器学习的基础概念，包括有监督模型、无监督模型、过拟合问题及模型选择等，帮助学员掌握机器学习的核心知识，为后续的深度学习打下坚实的基础。

2.1 数据科学简介

2.1.1 数据科学的定义

2.1.2 机器学习概述

2.2 有监督学习

2.2.1 有监督学习的概念

2.2.2 线性模型

2.2.3 逻辑回归

2.2.4 K近邻算法

2.2.5 决策树

2.2.6 支持向量机

2.3 无监督学习

2.3.1 无监督学习的概念

2.3.2 聚类

2.3.3 降维技术

2.4 过拟合问题

2.4.1 过拟合的定义

2.4.2 偏差与方差分析

2.5 模型选择

2.5.1 线性模型的正则化

2.5.2 交叉验证技术

以上是课程第二部分的主要内容概览。