机器学习算法知识手册.rar

└── 机器学习算法知识手册.pdf
├── Python数据科学
│ ├── Pandas _ 详解数据的合并和拼接.pdf
│ ├── 清晰易懂的Numpy入门教程.pdf
│ ├── 清晰易懂的Numpy进阶教程.pdf
│ └── 精心整理 _ 非常全面的Pandas入门教程.pdf
├── 机器学习基础
│ ├── Jacobian矩阵和Hessian矩阵.pdf
│ ├── Q-Q图.pdf
│ ├── [Math & Algorithm]拉格朗日乘数法.pdf
│ ├── 【Math】常见的几种最优化方法.pdf
│ ├── 【干货】为什么要对数据进行归一化处理？.pdf
│ ├── 为什么梯度是函数变化最快的方向.pdf
│ ├── 从机器学习谈起.pdf
│ ├── 偏度与峰度的正态性分布判断.pdf
│ ├── 机器学习模型性能评估（一）：错误率与精度.pdf
│ ├── 机器学习模型性能评估（三）：代价曲线.pdf
│ ├── 机器学习模型性能评估（二）：P-R曲线和ROC曲线.pdf
│ ├── 机器学习模型评估方法.pdf
│ ├── 机器学习算法常用指标总结.pdf
│ ├── 机器学习算法的随机数据生成.pdf
│ ├── 梯度下降法的三种形式BGD、SGD以及MBGD.pdf
│ ├── 模型优化的风向标：偏差与方差.pdf
│ ├── 正态分布为什么常见.pdf
│ └── 非参数正态性检验.pdf
├── 深度学习
│ ├── 【CNN】很详细的讲解什么以及为什么是卷积（Convolution）！.pdf
│ ├── 【机器学习】神经网络浅讲：从神经元到深度学习（一）.pdf
│ ├── 【机器学习】神经网络浅讲：从神经元到深度学习（二）.pdf
│ ├── 目标检测 _ 清晰易懂的SSD算法原理综述.pdf
│ └── 计算机视觉 _ 图像描述与注意力机制.pdf
├── 监督学习
│ ├── AdaBoost项目实战：参数择优与泛化能力.pdf
│ ├── Hessian矩阵在XGBoost算法的应用小结.pdf
│ ├── K近邻算法(KNN)原理小结.pdf
│ ├── LightGBM原理之论文详解.pdf
│ ├── LightGBM算法原理小结.pdf
│ ├── XGBoost参数调优小结.pdf
│ ├── XGBoost算法原理小结.pdf
│ ├── scikit-learn K近邻法类库使用小结.pdf
│ ├── scikit-learn 梯度提升树（GBDT）算法实战.pdf
│ ├── 【实践】随机森林算法参数解释及调优.pdf
│ ├── 【干货】集成学习原理总结.pdf
│ ├── 一起学习支持向量机（一）：支持向量机的分类思想.pdf
│ ├── 决策树算法总结.pdf
│ ├── 支持向量机应用：人脸识别.pdf
│ ├── 支持向量机（三）：图解KKT条件和拉格朗日乘子法.pdf
│ ├── 支持向量机（二）：算法详细解析.pdf
│ ├── 支持向量机：SMO算法剖析.pdf
│ ├── 最大熵模型算法总结.pdf
│ ├── 梯度提升树算法原理小结.pdf
│ ├── 正则化方法小结.pdf
│ ├── 比较全面的Adaboost算法总结（一）.pdf
│ ├── 比较全面的Adaboost算法总结（二）.pdf
│ ├── 比较全面的L1和L2正则化的解释.pdf
│ ├── 比较全面的随机森林算法总结.pdf
│ ├── 浅析感知机学习算法.pdf
│ ├── 浅谈先验分布和后验分布.pdf
│ ├── 浅谈频率学派和贝叶斯学派.pdf
│ ├── 深入浅出核函数.pdf
│ ├── 深入理解线性回归算法（一）.pdf
│ ├── 深入理解线性回归算法（二）：正则项的详细分析.pdf
│ ├── 线性分类模型（一）：线性判别模型分析.pdf
│ ├── 线性分类模型（二）：logistic回归模型分析.pdf
│ ├── 线性回归：不能忽视的三个问题.pdf
│ ├── 详解xgboost算法的样本不平衡问题.pdf
│ └── 贝叶斯分析：抛硬币的概率真的是1_2吗.pdf
└── 非监督学习方法
├── DBSCAN聚类算法原理总结.pdf
├── k-means聚类算法原理总结.pdf
├── scikit learn中PCA的使用方法.pdf
├── 一文让你完全入门EM算法.pdf
├── 主成分分析（PCA）原理总结.pdf
├── 初学者也能看懂的隐马尔科夫模型介绍.pdf
├── 奇异值分解（SVD）原理总结.pdf
├── 局部线性嵌入（LLE）原理总结.pdf
├── 层次聚类算法原理总结.pdf
├── 干货 _ 非常全面的谱聚类算法原理总结.pdf
├── 干货 _ 非常详细的有向图模型与无向图模型原理总结.pdf
├── 机器学习基础 _ 大话生成模型与判别模型.pdf
├── 深入剖析Mean Shift聚类算法原理.pdf
├── 清晰易懂的条件随机场原理总结.pdf
├── 清晰易懂的马尔科夫链原理介绍.pdf
├── 用scikit-learn进行LDA降维.pdf
├── 线性判别分析（LDA）原理总结.pdf
└── 聚类 _ 超详细的性能度量和相似度方法总结.pdf

投稿会员：匿名用户