机器学习0-目录
2018-01-04 15:29
106 查看
先挖个坑
数学基础
0.1 微积分
0.2 概率论与统计
0.3 线性代数与矩阵
0.4 优化理论
0.5 机器学习基础(概念、分类、应用)
分类
1. Regression
2. KNN
3. NaiveBayes
4. DecisionTree(ID3.0,C4.5,CART,Ensemble Learning,Boosting,Random Forest,GBDT,XGBoost)
5. SVM
6. NNDL(NN、BP、DNN、CNN、RNN)
NLP
7. LDA
8. Word2vec
推荐
9. CF
10. MF
降维
11. SVD
12. PCA
聚类
13. Kmeans
数学基础
0.1 微积分
0.2 概率论与统计
0.3 线性代数与矩阵
0.4 优化理论
0.5 机器学习基础(概念、分类、应用)
分类
1. Regression
2. KNN
3. NaiveBayes
4. DecisionTree(ID3.0,C4.5,CART,Ensemble Learning,Boosting,Random Forest,GBDT,XGBoost)
5. SVM
6. NNDL(NN、BP、DNN、CNN、RNN)
NLP
7. LDA
8. Word2vec
推荐
9. CF
10. MF
降维
11. SVD
12. PCA
聚类
13. Kmeans
相关文章推荐
- 机器学习目录结构
- 机器学习经典论文/survey合集
- 机器学习结果统计-准确率、召回率,F1-score
- Lucene和Solr 学习目录
- 鸟哥的私房菜学习一:Linux的文件权限与目录管理
- 集成学习:机器学习兵器谱的“屠龙刀”
- DotNet学习目录
- FPGA机器学习之学习的方向
- Qt 系统学习目录
- Android开发学习之路--Android Studio项目目录结构简介
- 马普所机器学习课程& CMU701
- Linux学习之路--获取某目录下的所有文件的名字(包括路径)
- android源码学习-目录
- 北美18名校的数据挖掘,数据分析,人工智能及机器学习课程汇总
- IOS 开发学习十三 Document目录的使用
- 机器学习实战笔记(Python实现)-03-朴素贝叶斯
- 机器学习中的范数规则化之(二)核范数与规则项参数选择
- 机器学习实战-AdaBoost-python代码
- php学习之目录
- 机器学习实战 SVM python3实现 R语言实现