机器学习随笔

在此开了博客用于记录自己的学习机器学习的过程和心得。

首先大概的理一下思路,准备写如下几个篇文章

一、机器学习中必备的基本数学知识

接下来大概按照FISHER 大大的大作PRML,列了大概的提纲:

二、概率分布,一些基本的概率分布

   厚积方能勃发,这些概率分布是机器学习的基础

三、线性分类和回归

  Baysian思想是大头

四、Guassian 分布以及核函数

     统计学领域研究还蛮热的一个方向。

五、详细讲解SVM(support vector machine)

  PS:SVM是我boss的主要研究方向,也是我理解最透彻的一个方向,我会详细重点讲解相关知识,并且教授LIBSVM最后自己实现基本的SVM算法。

六、图模型

  众所周知,图模型和SVM作为机器学习领域两大利器,是及其重要的,小弟也会尝试把他讲解清楚。

七、EM算法,高斯混合模型

  暂时还不太清楚

八、近似推断

九、HMM模型和LDS

十、总结

转载于:https://www.cnblogs.com/machinelearner/archive/2012/11/15/2771210.html

你可能感兴趣的:(机器学习随笔)