*人工智能——机器学习与深度学习（持续更新中.......）

1 机器学习

有监督学习

通俗的理解机器学习

人工智能——监督学习

人工智能——线性回归（Python实现）

人工智能——多项式回归（Python）

人工智能——岭回归（Python）

无监督学习

人工智能——聚类总述

人工智能——K-Means聚类算法（Python）

人工智能——“kmeans实现图片分割”（Python实现）

人工智能——DBSCAN密度聚类（Python）

人工智能（降维）——主成分分析（PCA)

人工智能（无监督学习-降维）——非负矩阵分解（NMF）

2 深度学习

人工智能——神经网络入门

3 思维导图系列 

人工智能——机器学习与深度学习思维导图

人工智能——回归思维导图

人工智能——决策树与随机森林

人工智能——支持向量机（SVM）思维导图

人工智能——最大熵与EM算法

人工智能——特征工程思维导图

人工智能——多算法组合与模型最优

人工智能——Sklearn与机器学习实战

人工智能——高级工具库xgboost/LightGBM与建模实战

人工智能——推荐系统原理与应用

人工智能——聚类算法

人工智能——贝叶斯网络

人工智能—— 隐马可夫链HMM

人工智能——主题模型LDA

人工智能——深度学习初步

人工智能——卷积神经网络与计算机视觉

人工智能——循环神经网络与应用

人工智能—— 深度学习框架与应用

4 杂记 

随机森林、数据集划分、准确率、混淆矩阵（Python实现）