机器学习

本文介绍什么是指数族分布。指数族分布即Exponential Families of Distributions。

本文主要介绍最小二乘法，通过线性回归的例子对最小二乘法进行详细推导。最小二乘法通过最小化误差的平方和，寻找数据的最佳函数参数。

本文介绍另一个生成模型——HMM 隐马尔可夫模型。HMM是一个用来描述系统隐性状态的转移和隐性状态的表现概率的概率模型。

本文主要对变分自编码器——VAE做了介绍以及详细推导。VAE全称（Variational Auto-Encoder）即变分自编码器。是一个生成模型。

本文将介绍常见的一种生成模型——Gaussian Mixture Model 高斯混合 GMM 模型。

本文为吴恩达机器学习课程的笔记系列第七篇，主要学习异常检测算法，重点介绍异常检测中常用的多元高斯分布。

本文为吴恩达机器学习课程的笔记系列第六篇，主要关于数据降维时常用的算法-PCA主成分分析算法，同时扩展另一算法-ICA 独立成分分析。

本文为吴恩达机器学习课程的笔记系列第五篇，主要介绍几个聚类算法，包括经典的K-Means算法，以及其拓展 二分K-Means算法和另一个常用的DBSCAN算法。

本文为吴恩达机器学习课程的笔记系列第四篇，主要关于支持向量机（Support Vetor Machines）的算法介绍与推导。

本文为吴恩达机器学习课程的笔记系列第三篇，主要关于机器学习应用时如何诊断偏差和方差，从而对机器学习系统实施相应的解决方法，以及介绍设计机器学习系统时的设计方法与评价指标。

本文为吴恩达机器学习课程的笔记系列第二篇，主要学习神经网络的前向传播，重点介绍反向传播的算法原理及推导。

本文为吴恩达机器学习课程的笔记系列第一篇，主要关于线性回归与逻辑回归的详细推导，以及介绍两者之间的区别。