机器学习汇总,珍藏版!

334 阅读7分钟
原文链接: mp.weixin.qq.com

机器学习系列阶段总结!

1. 机器学习(1)之入门概念

2. 机器学习(2)之过拟合与欠拟合

3. 机器学习(3)之最大似然估计

4. 机器学习(4)之线性判别式(附Python源码)

5. 机器学习(5)之决策树ID3及Python实现

6. 机器学习(6)之朴素贝叶斯NB及实例

7. 机器学习(7)之感知机python实现

8. 机器学习(8)之范数正则与Lasso详解

9. 机器学习(9)之ID3算法详解及python实现

10. 机器学习(10)之趣味案例理解朴素贝叶斯

11. 机器学习(11)之C4.5详解与Python实现(从解决ID3不足的视角)

12. 机器学习(12)之决策树总结与python实践(~附源码链接~)

13. 机器学习(13)之最大熵模型详解

14. 机器学习(14)之评价准则RoC与PR

15. 机器学习(15)之支持向量机原理(一)线性支持向量机

16. 机器学习(16)之支持向量机原理(二)软间隔最大化

17. 机器学习(17)之集成学习原理总结

18. 机器学习(18)之支持向量机原理(三)线性不可分支持向量机与核函数

19. 机器学习(19)之支持向量回归机

20. 机器学习(20)之Adaboost算法原理小结

21. 机器学习(21)之scikit-learn Adaboost类库的实战分析

22. 机器学习(22)之Apriori算法原理总结

23. 机器学习(23)之GBDT详解

24. 机器学习(24)之Bagging与随机森林

25. 机器学习(25)之K-Means聚类算法详解

26. 机器学习(26)之K-Means实战与调优详解

27. 机器学习(27)【降维】之主成分分析(PCA)详解

28. 机器学习(28)【降维】之sklearn中PCA库讲解与实战

29. 机器学习(29)之奇异值分解SVD原理与应用详解

30. 机器学习(30)之线性判别分析(LDA)原理详解

31. 机器学习(31)之频繁集挖掘FP Tree详解

32. 机器学习(32)之典型相关性分析(CCA)详解 【文末有福利......】

33. 机器学习(33)之局部线性嵌入(LLE)【降维】总结

34. 机器学习(34)之BIRCH层次聚类详解

35. 机器学习(35)之PrefixSpan算法原理详解

36. 机器学习(36)之协同过滤典型算法概述【精华】

37. 机器学习(37)之矩阵分解在协同过滤推荐中的应用

资源分享系列

01.  干货分享 | 新一波机器学习资料汇总(已完结...)

02.  干货分享 | 最近机器学习视频教程与数据集下载(持续更新......)

03.  Python数据分析相关资料整理(博客&视频链接)

04.  机器学习资料整理(欢迎补充)

05.  经典机器学习书籍推荐

06.  资源下载 | 历史视频教程资源大汇总(内置百度云盘链接)

07.  干货 | 从入门到放弃:21种机器学习算法详解,附多种下载方式

08.  福利 | 最全面超大规模数据集下载链接汇总

深度学习连载系列

01.  深度学习之DNN与前向传播算法

02.  深度学习之DNN与反向传播算法

03.  干货 | 深度学习之损失函数与激活函数的选择

04.  干货 | 深度学习之DNN的多种正则化方式

05.  干货 | 深度学习之卷积神经网络(CNN)的模型结构

06.  干货 | 深度学习之卷积神经网络(CNN)的前向传播算法详解

07.  干货 | 深度学习之CNN反向传播算法详解

干货系列

01.  AIOps核心任务:任务机器人在金融领域中的落地(附文件下载)

02.  一篇文章讲清楚人工智能、机器学习和深度学习的区别与联系

03.  推荐 | 值得加入的AI公司不只有BAT、FLAG与TMDJ,还有这些!!!

04.  程序猿媳妇儿注意事项!(文末高能)

05.  干货 | 台大“一天搞懂深度学习”课程PPT(下载方式见文末!!)

06.   趣味机器学习入门小项目(附教程与数据)

07.  推荐 | 一文读懂深度学习与机器学习的差异

08.  值的收藏的干货 | 如何用Python实现常见机器学习算法

09.  干货 | 高盛:2017人工智能报告中文版(附PDF版下载)

10.  推荐 | Python-ML中最常用的5张速查表(高清)

11.  【强烈推荐】:关于系统学习数据挖掘(Data Mining)的一些建议!!

12.  关于处理样本不平衡问题的Trick整理

13.  长文 | 一文读懂什么是机器学习

14.  资料 | Python的14张思维导图(可后台下载)

15.  值得收臧 | 从零开始搭建带GPU加速的深度学习环境(操作系统、驱动和各种机器学习库)

16.  推荐 | CVPR2017关于如何解释深度学习模型的讲座(附视频与PPT)

  1. PCA实现一个简单的酒店推荐系统(附Python源码)

  2. 基于机器学习的文本情感极性分析

  3. Python做文本挖掘的情感极性分析(基于情感词典的方法)

  4. GBDT入门教程之原理、所解决的问题、应用场景讲解

  5. 解决分类样本不平衡问题 ~ ML&DM面试高频问题

  6. 高斯混合聚类(GMM)及代码实现

  7. Adaboost从原理到实现(Python)

  8. Delicious和Hacker News--基于用户投票的排名算法

  9. 协同过滤原理及Python实现

  10. RBF神经网络及Python实现(附源码)

  11. 支持向量机Python实现(附源码与数据)

  12. SoftMax回归详解

  13. 线性分类(SoftMax) - 下篇

  14. 梯度检验与高级优化

  15. 线性分类器-中篇

  16. 线性分类器

  17. 反向传播算法

  18. 神经网络

  19. CS231n课程笔记翻译:图像分类笔记(下)

  20. CS231n课程笔记翻译:图像分类笔记(上)

  21. kNN之改进约会网站配对效果(附源码)

  22. KNN算法实战-改进约会网站配对效果

  23. TF-IDF与余弦相似性的应用-自动提取关键词

  24. 蒙特卡洛方法入门

  25. 趣味理解朴素贝叶斯

  26. 机器学习资料整理(欢迎补充)

  27. 机器学习福利--Hinton大牛的Neural Network for Machine Learning

  28. EM算法

  29. 集成学习(EL)综述

  30. 多层网络与反向传播算法详解

  31. Neural Networks for Machine Learning-2

  32. Neural Networks for Machine Learning-1

  33. 经典机器学习书籍推荐

  34. 解决决策树的过拟合

  35. 群体智能-果蝇算法

  36. 模糊最小二乘支持向量机

  37. 随机森林与GBDT

  38. Machine Learning -- 主动学习(AL)

  39. Machine Learning -- EM算法

  40. Machine Learning -- Bayesian network

  41. Machine Learning -- GBDT(RF)

  42. Machine Learning -- Boosting

  43. Machine learning -- CART

  44. Machine learning -- C4.5算法详解及Python实现

  45. Machine Learning -- ID3算法

  46. Machine Learning -- Naive Bayes(朴素贝叶斯)

  47. Machine Learning -- 11种相似性度量方法(总结版)

  48. 脉络清晰的BP神经网络讲解

  49. 机器学习(8) -- 降维

  50. 机器学习(7) -- k-means 聚类

  51. 机器学习(6) -- SVM

  52. 机器学习(5) -- 模型评估与选择

  53. 机器学习(4) --神经网络(part two)

  54. 机器学习(4) -- 神经网络

  55. 机器学习(3) -- 贝叶斯及正则化

  56. 机器学习(2) -- logistic regression

  57. 0-1整数规划与隐枚举法-感受剪枝的魅力

  58. 基于稀疏化鲁棒LS-SVR与多目标优化的铁水硅含量软测量建模

  59. 最小二乘支持向量回归机(LS-SVR)

  60. 支持向量机之SMO-------7

  61. 支持向量机之最小二乘(LS)-------6

  62. 支持向量机(SVM)之Mercer定理与损失函数----5

  63. 支持向量机(SVM)--(4)

  64. 支持向量机(SVM)--3

  65. 距离和相似性度量在机器学习中的使用统计

  66. 支持向量机(SVM) (2)

  67. 初步了解支持向量机(SVM)-1

  68. 线性分类与Principal Component Analysis

  69. 模型组合之梯度提升(Gradient Boosting)

  70. 线性回归与评价指标-2

  71. 回归预测之入门

投稿、商业合作

请发邮件到:357062955@qq.com

长按识别二维码关注我们