机器学习、深度学习、强化学习、迁移学习、导航优秀博客/专栏合集

萌新在学习的过程，总是遇到各路大神写的优秀帖子，这里做分门别类，更新中…

优秀入门博主

仅囊括本萌新遇见：
谢小小XH: 机器学习方面的数学原理总结
Physcalの大魔導書：激活函数稀疏激活性的作者，待串门
Freedom_anytime：机器学习&深度学习大牛博客专栏总结
zhanlijun：剖析过贝叶斯定位

会议

2018年【计算机视觉&机器学习&人工智能】领域重要会议 汇总（持续更新）

导航

• GeoHash核心原理解析
• 基于朴素贝叶斯的定位算法
• 贝叶斯滤波算法:含贝叶斯滤波原文链接

机器学习

• 深度学习里常用激活函数，目标函数
• 机器学习笔记十：各种熵总结
• 交叉熵的理解
• 极大似然估计(含先验概率解释)
• 贝叶斯决策理论与贝叶斯分类器
  – 详见[西瓜书]
• 机器学习：核函数(通俗)
• 机器学习：核函数(严谨)
• 机器学习中的损失函数 （着重比较：hinge loss vs softmax loss）
• 数据预处理方法，如one-hot

待验证

• 逻辑斯谛回归与最大熵模型logistic regression/maximum entropy model
• RBF（径向基函数）神经网络

深度学习

• 吴恩达深度学习课后习题
• 神经网络激活函数 稀疏激活性的重要性

机器学习术语

数据集	dataset
instance/sample	样本/示例
dimensionality	维数
training	从数据中学得模型的过程
training data	训练过程中使用的数据
training sample	训练数据中的每个样本
training set	训练样本组成的集合
learning algorithm	在计算机上从数据中产生模型（model）的算法
model	模型又称学习器，学习算法在给定数据和参数空间上的实例化
model selection	模型选择，选择哪种算法和参数配置