机器学习好文推荐

机器学习好文推荐

课程

Google机器学习

1 数学基础

• 期望, 方差, 协方差, 标准差
• 机器学习应该准备哪些数学预备知识？

2 辅助算法

2.1 梯度下降

• 梯度下降的直觉
• 梯度下降（Gradient Descent）小结
• 五步解析机器学习难点—梯度下降
• 为什么梯度反方向是函数值局部下降最快的方向？

3 有监督学习

• 机器学习两种方法——监督学习和无监督学习（通俗理解）

3.1 分类

3.1.1 决策树

• 深入浅出理解决策树算法（一）-核心思想
• 深入浅出理解决策树算法（二）-ID3算法与C4.5算法

3.1.2 朴素贝叶斯

• 在故事中学“朴素贝叶斯（NB）分类算法”（03）

3.1.3 SVM

• 【机器学习】今天想跟大家聊聊SVM

3.1.4 逻辑回归

3.1.5 KNN

3.1.6 其他

• 详解softmax函数以及相关求导过程
• 【十大经典数据挖掘算法】CART

3.2 回归

4 无监督学习

4.1 聚类

4.1.1 K-Means

• 【十大经典数据挖掘算法】k-means
• 机器学习sklearn19.0聚类算法——Kmeans算法

4.2 Association Rule Learning

4.2.1 FP Growth

4.2.2 Apiori

4.2.3 Apiori

4.3 降维

4.3.1 PCA

• 用scikit-learn学习主成分分析(PCA)
• 十分钟搞定PCA主成分分析
• 视频-10分钟 get PCA / 主成分分析
• 主成分分析（Principal components analysis）-最大方差解释
• sklearn.decomposition.PCA

4.3.2 LSA

4.3.3 SVD

4.3.4 LDA

5 集成学习

5.1 Stacking

5.2 Bagging

5.3 Boosting

5.3.1 Xgboost

• Xgboost的原理没你想像的那么难
• 机器学习系列(12)_XGBoost参数调优完全指南（附Python代码）
• Xgboost 参数调优指南
• Xgboost简单原理及参数调优PPT
• Xgboost-python_api

6 强化学习

6.1 Q-Learning

6.2 DQN

7 深度学习和神经网络

• 深度学习如何入门

8 数据处理

8.1 特征预处理

• ​特征工程系列：特征预处理（上）
• 特征工程系列：特征预处理（下）

8.2 特征筛选

• 特征工程系列：特征筛选的原理与实现（上）
• 特征工程系列：特征筛选的原理与实现（下）

8.3 数据清洗

• 特征工程系列：数据清洗

8.4 数据离散化

数据离散化 - 等宽&等频&聚类离散 - Python代码

8.5 归一化

• 机器学习-特征工程-归一化
• 哪些机器学习中的归一化 及 利用sklearn的api进行归一化
• 【Python数据预处理】 归一化（按列减均值，除方差），标准化（按列缩放到指定范围），正则化（范数）

8 模型评估

8.1 评价指标

• 机器学习评价指标大汇总-简洁明了
• 如何解释召回率与准确率？
  
• 评价模型的常用方法——精确率、召回率、F1 值、ROC、AUC 各自的优缺点
• 精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？
• 机器学习中的F1-score
• 分类问题的几个评价指标（Precision、Recall、F1-Score、Micro-F1、Macro-F1）
• 聚类学习-轮廓系数
• 聚类︱python实现 六大 分群质量评估指标（兰德系数、互信息、轮廓系数）
• 用验证曲线 validation curve 选择超参数

8.2 欠拟合 过拟合

• sklearn模型调优（判断是否过过拟合及选择参数）
• 模型评估和验证【1】——过拟合、欠拟合、学习曲线、验证曲线
• 方差和偏差 与 过拟合和欠拟合
  

9 Python

• 常用python机器学习库总结

9.1 matplot

• Scatter Star Poly
• Python数据可视化：Matplotlib 直方图、箱线图、条形图、热图、折线图、散点图

9.2 算法

• k-means聚类（余弦距离，用轮廓系数确定聚类系数K）

9.3 Pandas

• Pandas 十分钟入门

9.4 Sklearn

• KFold
• StratifiedKFold
• GridSearchCV

总结文章

• 机器学习算法分类及常用算法介绍
• 机器学习必学10大算法
• 机器学习中的五种回归模型及其优缺点
• 什么是机器学习，一文让你了解机器学习的历史和真谛
• 机器学习13种算法的优缺点，你都知道哪些？

面试总结

GitHub万星的ML算法面试大全介绍
GitHub万星的ML算法面试大全

应用

• 超小企业的大数据与AI之路该怎么走
• Kmeans解决日志分类

博客推荐

• 机器学习算法与自然语言处理
• 哈工大-忆臻