专栏文章汇总

专栏文章汇总

李航《统计机器学习》读书笔记:

第一章:统计学方法概论

第一章补充:最小二乘法(least sqaure method)

第一章补充:判别模型与生成模型,概率模型与非概率模型、参数模型与非参数模型总结

第一章补充:机器学习评价指标

第二章:感知机(Perceptron)及python实现

第三章:k 近邻法

第四章:朴素贝叶斯法

第五章:决策树

第六章:逻辑斯谛回归与最大熵模型

第七章:支持向量机(Support Vector Machines, SVM)

第八章上:AdaBoost算法

第八章下:梯度提升树(GBDT)

附录A、B:梯度下降法、牛顿法和拟牛顿法

附录C:拉格朗日对偶性

附录C补充:Karush-Kuhn-Tucker (KKT)条件


张志华:《统计机器学习》课程笔记:

张志华老师在上交上的统计机器学习课,视频地址:统计机器学习

课程涵盖很多内容,也较深入,很多前置知识没有细讲,因此难度也较大。本笔记打算课在程内容基础上进行拓展(主要包括一些前置知识),但更新可能不是很快,因为自己也不断在学习ing。

信息测度和熵

马尔可夫链蒙特卡罗算法(MCMC)及python实现


机器学习:

主成分分析(Principal components analysis,PCA)

集成学习-Boosting,Bagging与Stacking


郑泽宇《TensorFlow实战Google深度学习框架》(第二版)读书笔记

第三章:Tensorflow入门

第四章:深层神经网络

第五章:MNIST数字识别问题

第八章:循环神经网络

第九章:自然语言处理(上)

第九章:自然语言处理(下)


裘宗燕《数据结构与算法:python语言描述》读书笔记

第一章:绪论


概率论:

多元正态分布与高斯判别分析算法(Gaussian discriminat analysis GDA)(附python代码)

理解Gamma分布、Beta分布与Dirichlet分布


线性代数:

理解Jacobian和Hessian


剑指offer

剑指offer——数据结构(python实现)


数学建模:

数学建模十大算法之——蒙特卡罗

数学建模十大算法之——遗传算法及Python实现

数学建模十大算法之——层次分析法


时间序列:

利用python进行时间序列分析——从随机游走到GARCH模型(一)

利用python进行时间序列分析——从随机游走到GARCH模型(二)

利用python进行时间序列分析——从随机游走到GARCH模型(三)【完】

利用python进行时间序列分析——数据挖掘

利用python进行时间序列分析——季节性ARIMA

ARCH & GARCH入门

编辑于 2018-09-13

文章被以下专栏收录