机器学习目录

在未来几个月时间里,将会逐步针对先前整理的博客文章进行分类归纳,并建立成为学习专栏区。内容将会重点从理论算法,推导过程,应用阶段,项目实战几个维度进行整理。内容会慢慢更新。

如下为整理的机器学习的查阅目录

一、统计学基础

1、浅谈傅里叶级数与变换的理解(一)

2、浅谈傅里叶级数与变换的理解(二)

3、傅里叶变换的解释与推导(三)

4、特征值与特征向量几何意义

5、正交变换与坐标系的关系

6、协方差与皮尔逊相关系数

7、线性回归,偏差、方差权衡

8、线性判别分析(LDA), 主成分分析(PCA)、奇异值分解(SVD)

9、梯度与梯度下降法

二、机器学习算法

1、机器学习算法一览表

2、机器学习算法(1)之逻辑回归算法

3、机器学习算法(2)之K近邻算法

4、机器学习算法(3)之决策树算法

5、机器学习算法(4)之支持向量机的简易版

6、机器学习算法(5)之支持向量机的详细版

7、机器学习算法(7)之朴素贝叶斯

8、机器学习算法(8)之多元线性回归分析理论详解

9、机器学习算法(9)之聚类算法

10、机器学习算法(10)之数据挖掘算法之Apriori详解

11、机器学习算法(11)之推荐系统库--Surprise

12、机器学习算法(12)之集成学习之模型融合

13、机器学习算法(13)之bagging与随机森林算法

14、机器学习算法(14)之boosting算法之Adaboost、GBDT

15、机器学习算法(15)之Xgboost算法

16、数据预处理与特征工程

17、模型评估和验证【1】——过拟合、欠拟合、学习曲线、验证曲线

18、模型评估和验证【2】——交叉验证、网格搜索与模型评估

19、超参数的选择、格点搜索与交叉验证

20、正则化的理解

三、机器学习实战

1、逻辑回归实战

2、K近邻算法实战

3、泰坦尼克号预测案例

4、朴素贝叶斯实战

5、随机森林调参示例

6、推荐系统实战

7、Xgboost参数调优

8、Sklearn中的StratifiedKFold与stacking模型的融合方法

四、大数据竞赛项目

光伏电站人工智能运维大数据处理分析项目(奖金¥220,000)--二等奖

        在分析光伏发电原理的基础上,论证了辐照度、光伏板工作温度等影响光伏输出功率的因素,通过实时监测的光伏板运行状态参数和气象参数建立预测模型,预估光伏电站瞬时发电量,根据光伏电站DCS系统提供的实际发电量数据进行对比分析,验证模型的实际应用价值。

GOC仓储网络智能库存管理(¥60,000)--Rank 36/1618

你可能感兴趣的:(机器学习目录,机器学习,数据挖掘)