python学习 之机器学习

R语言学习笔记

R实现机器学习

R机器学习（一）——一元回归

R机器学习（二）——非线性回归

R机器学习（三）——多元回归

R机器学习（四）——logistics回归

R机器学习（五）——决策树ID3算法

R机器学习（六）——决策树C4.5算法

R机器学习（七）——回归树CART算法

R机器学习（八）——K-means聚类

R机器学习（九）——层次聚类

R机器学习（十）——密度聚类DBSCAN

R机器学习（十一）——Apriori关联规则

R机器学习（十二）——SVM

R机器学习（十三）——时间序列模型

R机器学习（十四）——主成分分析

R机器学习（十五）——朴素贝叶斯

R机器学习（十六）——KNN算法

R机器学习（十七）——梯度提升决策树（GBDT）

R机器学习（十八）——随机森林

R机器学习（十九）——Adaboost算法

R机器学习（二十）——BP神经网络

R机器学习（二十一）——基于Tensorflow实现神经网络

Python学习笔记

Python基础

常用文件读取

Python2与Python3的不同

Python正则表达式

基于python的urllib库编写网络爬虫

人脸检测工具face_recognition的安装与使用

Mac安装图像标注工具LabelImg

Mac Python安装liblinear机器学习库

用pip安装python库下载超时的解决办法

Python数据结构

Python数据结构（一）——线性表：顺序表的实现

Python数据结构（二）——线性表：链表的实现

Python数据结构（三）——字符串：KMP算法实现

Python数据结构（四）——排序：冒泡排序

Python数据结构（五）——排序：直接选择排序

Python数据结构（六）——排序：插入排序

Python数据结构（七）——排序：快速排序

Python数据结构（）——排序：堆排序

Python数据结构（）——排序：归并排序

Python模块

Python常用模块（一）——shutil模块

Python常用模块（二）——os模块

Python常用模块（三）——collections模块的常用方法

Matplotlib画图

Matplotlib画图（一）——散点图scatter
Matplotlib画图（二）——根据函数公式画图

Matplotlib画图（三）——分段函数

Matplotlib画图（四）——折线图

Matplotlib画图（五）——多图片共框

Matplotlib画图（六）——图中图

Matplotlib画图（七）——线的颜色、点的形状

Matplotlib画图（八）——条形图

Matplotlib画图（九）——饼图

Matplotlib画图（十）——基于networkx画关系网络图

Matplotlib画图（十一）——箱线图

scikit-learn实现机器学习

【scikit-learn】机器学习（一）——一元回归模型

【scikit-learn】机器学习（二）——非线性回归

【scikit-learn】机器学习（三）——多元回归

【scikit-learn】机器学习（四）——logistics回归

【scikit-learn】机器学习（五）——决策树ID3算法

【scikit-learn】机器学习（六）——决策树C4.5算法

【scikit-learn】机器学习（七）——回归树CART算法

【scikit-learn】机器学习（八）——K-means聚类

【scikit-learn】机器学习（九）——层次聚类

【scikit-learn】机器学习（十）——密度聚类DBSCAN

【scikit-learn】机器学习（十一）——Apriori关联规则

【scikit-learn】机器学习（十二）——SVM

【scikit-learn】机器学习（十三）——时间序列模型

【scikit-learn】机器学习（十四）——主成分分析

【scikit-learn】机器学习（十五）——朴素贝叶斯

【scikit-learn】机器学习（十六）——KNN算法

【scikit-learn】机器学习（十七）——梯度提升决策树（GBDT）

【scikit-learn】机器学习（十八）——随机森林

【scikit-learn】机器学习（十九）——Adaboost算法

【scikit-learn】机器学习（二十）——BP神经网络

【scikit-learn】机器学习（二十一）——基于Tensorflow实现神经网络

【scikit-learn】机器学习（二十二）——图片聚类：k-means算法的python实现

Machine Learning学习笔记

【Trick】决策树剪枝

【Trick】核技巧

【Trick】数据预处理的常用方法

【Trick】机器学习特征工程处理（一）

【异同】信息增益、Gini、信息增益率

【异同】决策树ID3和C4.5的异同

【异同】LR和SVM的异同

【异同】梯度提升决策树和随机森林的异同

【ML算法】监督学习——线性回归

【ML算法】监督学习——逻辑回归

【ML算法】监督学习——决策树ID3算法

【ML算法】监督学习——决策树C4.5算法

【ML算法】监督学习——支持向量机
【ML算法】监督学习——KNN算法
【ML算法】无监督学习——K-means聚类

【ML算法】无监督学习——层次聚类

【ML算法】无监督学习——DBCAN聚类

【ML算法】无监督学习——关联规则Apriori

【ML算法】集成学习——随机森林（RF）

【ML算法】集成学习——GBDT

【ML算法】集成学习——Adaboost

【ML算法】集成学习——xgboost

Machine Learning算法底层实现（基于python）

【ML算法实现】监督学习——线性回归

【ML算法实现】监督学习——逻辑回归

【ML算法实现】监督学习——决策树ID3算法

【ML算法实现】监督学习——决策树C4.5算法

【ML算法实现】监督学习——支持向量机
【ML算法实现】监督学习——KNN算法
【ML算法实现】无监督学习——K-means聚类

【ML算法实现】无监督学习——层次聚类

【ML算法实现】无监督学习——DBCAN聚类

【ML算法实现】无监督学习——关联规则Apriori

【ML算法实现】集成学习——随机森林（RF）

【ML算法实现】集成学习——GBDT

【ML算法实现】集成学习——Adaboost

【ML算法实现】集成学习——xgboost

推荐系统专题

推荐系统——算法概述

推荐系统——冷启动问题

Deep Learning学习笔记

算法学习

Deep Learning常用数据集

相对熵与交叉熵

AutoEncoder详解

VAE详解

相似图片搜索算法介绍

常见超分辨率处理方法

防止过拟合的处理方法

Tensorflow

卷积神经网络简介

基于Tensorflow实现AutoEncoder

LeNet5神经网络简介及TensorFlow实现

VGG网络详解及代码实现

Tensorflow实现CNN

Keras

python机器学习算法（Keras）

基于Keras实现CNN

用RNN做MNIST分类

Pytorch

Pytorch实现CNN卷积神经网络

Caffe

Mac安装caffe时出现的错误

DL&ML项目实践

【ML项目】基于决策树算法的电信运营商客户流失预测

【ML项目】基于聚类算法的我国临终关怀现状分析
【ML项目】基于情感分析和关系网络的影视产品文本挖掘分析
【ML项目】基于网络爬虫和数据挖掘算法的web招聘数据分析（一）——数据获取及预处理
【ML项目】基于网络爬虫和数据挖掘算法的web招聘数据分析（二）——探索性数据分析
【ML项目】基于网络爬虫和数据挖掘算法的web招聘数据分析（三）——数据挖掘算法建模
【DL项目】跑CNN程序时遇到的error(持续更新)

【DL项目】你的颜值打几分？基于Tensorflow实现人脸打分

Reinforvement Learning学习笔记

基于tensorflow实现RL的policy based算法

Hadoop&Spark学习

【Hadoop&Spark】安装详解

Docker学习

运行Docker时遇到的一些问题

论文笔记

论文翻译

Support Vector Clustering 论文翻译（未完待续）

Generative Adversarial Nets论文翻译(未完待续)
Convolutional Clustering for Unsupervised Learning 论文翻译

Very Deep Convolutional Network For Large-Scale Image Recognition 论文翻译（VGG）
Dynamic Routing Between Capsules论文翻译（中英文对照）（更新中）

论文理解

Generative Adversarial Nets 论文理解
Convolutional Clustering for Unsupervised Learning 论文理解

Very Deep Convolutional Networks for Large-Scale Image Recognition——VGG（论文理解）

编程问题

网易有道笔试题——数字位数全排列整除问题

金山云笔试题——字母密码转换排列问题