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