机器学习

所有阅读笔记及源码

前言

广义来说, 共有三种机器学习算法

• 监督式学习
  • 数据带标签, 需要训练集, 根据训练集得出的学习函数为新的数据预测结果
  • 适用于分类、回归(空间连续的事件)
  • 算法有: 线性回归、决策树、随机森林、K-近邻算法、逻辑回归(Logistic Regression)、BP神经网络等
• 非监督式学习
  • 数据不包含任何类别信息, 其典型的问题为聚类问题
  • 用在不同的组内聚类分析, 一般用来细分客户
  • 算法有: K-Means、DBSCAN(聚类)算法
• Deep learning
  • 机器被放在一个能够让它反复试错来训练自己, 加强判断的准确性
• 半监督学习
  • 监督式学习和非监督式学习的融合, 使用较少

阅读笔记

机器学习 - 赵志勇著

• 个人阅读笔记
• 个人总结

机器学习实战

• 个人阅读笔记

Deep Learning Tutorial - Hung-yi Lee(李宏毅)

• [Deep Learning Tutorial PDF](Deep Learning Tutorial.pdf)
• Deep Learning 笔记

TensorFlow中文文档

• TensorFlow文档观后笔记

杂谈

• MarkDown编辑器: 编写数学公式
• 在线latex公式转gif
• 关于Machine Learning 很好的CSDN系列
• 斯坦福: 反向传播笔记
• 几种常用的优化算法

挖到宝系列

Personal Summary