“机器学习系列”文章合集

  本人在学习 机器学习 的相关理论知识过程中，进行了整理和归纳。一是对自己的学习过程的总结，二是希望对大家有一定的参考作用。可能会存在缺少相关内容介绍、缺陷、不足和错误等等问题，欢迎大家拍砖和相互学习交流。

  相关文章合集如下：

• 机器学习系列 01：k 近邻法（k-NN）的原理及实现

• 机器学习系列 02：感知机

• 机器学习系列 03：线性回归模型

• 机器学习系列 04：梯度下降法及 Python 实现

• 机器学习系列 05：Logistic 回归及 Python 实现

• 机器学习系列 06：决策树 01

• 机器学习系列 07：决策树 02 - CART 算法

• 机器学习系列 08：深入理解拉格朗日乘子法、KKT 条件和拉格朗日对偶性

• 机器学习系列 09：支持向量机 01 - 线性可分支持向量机和线性支持向量机

• 机器学习系列 10：支持向量机 02 - SMO（序列最小化）

• 机器学习系列 11：支持向量机 03 - 非线性支持向量机

• 机器学习系列 12：支持向量机 04 - SVR（支持向量回归）（待添加）

• 机器学习系列 13：贝叶斯分类 01 - 贝叶斯决策论、朴素贝叶斯分类器 和 半朴素贝叶斯分类器

• 机器学习系列 14：贝叶斯分类 02 - 贝叶斯网（待添加）

• 机器学习系列 15：集成学习

• ……