我的狗窝
1.1.
Introduction
1.2.
机器学习基础
1.2.1.
机器学习基础_距离
1.2.2.
机器学习基础_概率论基础
1.2.3.
机器学习基础_线性代数基础
1.2.4.
机器学习基础_微积分基础
1.2.5.
机器学习基础_最优化理论
1.2.6.
机器学习基础_损失函数
1.3.
特征工程
1.3.1.
特征工程_归一化
1.3.2.
特征工程_编码
1.3.3.
特征工程_特征组合
1.3.4.
特征工程_特征选择
1.3.5.
特征工程_文本表示模型
1.3.6.
特征工程_图像增强
1.4.
模型评估
1.4.1.
模型评估_评估指标
1.4.2.
模型评估_AB测试
1.4.3.
模型评估_过拟合和欠拟合
1.4.4.
模型评估_超参数选择
1.4.5.
模型评估_模型评估方法
1.5.
降维
1.5.1.
降维_PCA主成分分析
1.5.2.
降维_LDA线性判别分析
1.6.
监督学习
1.6.1.
监督学习_朴素贝叶斯分类
1.6.2.
监督学习_决策树
1.6.3.
监督学习_K近邻法
1.6.4.
监督学习_支持向量机
1.6.5.
监督学习_CRF
1.7.
非监督学习
1.7.1.
非监督学习_K均值
1.7.2.
非监督学习_Mean_Shift均值漂移聚类
1.7.3.
非监督学习_DBSCAN基于密度的聚类方法
1.7.4.
非监督学习_Hierarchical_Clustering层次聚类
1.7.5.
非监督学习_Spectral_Clustering谱聚类
1.8.
半监督学习
1.9.
集成学习
1.10.
强化学习
本书使用 GitBook 发布
集成学习
1 集成学习
1 集成学习
1 集成学习
Bagging和Boosting的区别（面试准备）
results matching "
"
No results matching "
"
