电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）决策树

线性回归 ●最小二乘法 ●梯度下降 二分类任务 ●对数几率回归-Logistic Regression ●线性判别分析-Linear Discriminate Analysis 多分类任务 ●一对一 ●一对其余 ●多对多 类别不平衡问题

电子科技大学：《数据分析与数据挖掘 Data Analysis and Data Mining》课程教学资源（课件讲稿）模型评估与选择

 机器学习是数据分析与挖掘的一种手段  机器学习是什么？  利用经验改善系统自身的性能  关于T和P，程序对E进行学习  Looking for a function  机器学习发展史  人工智能三阶段：推理期、知识期、学习期  深度学习∈机器学习∈人工智能  机器学习基本术语  回归、分类；模型、学习器；样本、样例……  模型选择：奥卡姆剃刀？NFL？

Overview A review of statecharts conventional state machine modeling two main limitations Harel Statecharts original Harel Statecharts object-based variant of Harel Statecharts State Machines in UML2.0 concepts and constructs diagrams

Foreword OO visual modeling and formal methods Specification of UML2.0 language Activity Modeling State Machine Modeling

Part I OMG's technology adoption process UML 1.4, 1.5, 2.0 UML 2.0 in MDA The current status of UML 2.0 Part II UML 2.0 Superstructure Specification Thirteen diagrams in UML 2.0

南京大学技术报告：Model driven architecture - Principles and practice（张天）

《人工智能、机器学习与大数据》课程教学资源（参考文献）Robust Frequent Directions with Application in Online Learning

《人工智能、机器学习与大数据》课程教学资源（参考文献）Buffered Asynchronous SGD for Byzantine Learning