华威大学机器学习考试之前复习什么？有考前辅导吗？

　　华威大学机器学习课程考试主要涉及机器学习的两个主要领域：监督和非监督。考试涵盖了回归、分类、聚类和概率分类的一些主要模型和算法。题目包括线性和逻辑回归，正则化，概率(贝叶斯)推理，支持向量机和神经网络，聚类和降维。我们的老师可以针对华威大学机器学习考试进行辅导，帮助同学补足学习上的漏洞，同时加深对课程重点难点的理解，从而做好充分的考前准备工作。

　　同学在考试之前应该重点复习以下内容：

　　1、决策树;

　　2、线性回归：OLS，正则化，线性分类器;

　　3、逻辑回归，多类逻辑回归排序支持向量机;

　　4、特征选择潜在因素模型(PCA);

　　5、聚类(k-means, soft k-means);

　　6、集成方法，如随机森林和Ada Boost;

　　7、概率方法(贝叶斯观点);

　　8、模型评估和模型选择;

　　9、神经网络和卷积神经网络;

　　10、自编码器。

　　上述内容均为华威大学机器学习考试可能会涉及到的知识点，同学一定要在考前进行充分的复习，我们的老师也会为同学逐一细致的讲解。