【原创首发】机器学习公式推导与代码实现30讲.pdf

机器学习实验室

共 727字,需浏览 2分钟

 ·

2020-07-30 19:05


机器学习


Author:louwill

Machine Learning Lab

     

机器学习公式推导与代码实现系列全部30讲已经全部完成,为方便大家学习使用,笔者特地整理成252页的PDF文档供大家下载阅读。



全系列总共包括监督学习算法模型18讲、无监督学习算法模型4篇,概率模型算法7篇,总结1篇。能够较好的覆盖大部分常用的机器学习模型。其中监督学习算法模型包括单模型和集成学习两大类,单模型主要有线性模型、k近邻、决策树、神经网络和支持向量机等。集成学习分为Boosting和Bagging两类,主要包括GBDT、AdaBoost、XGBoost、LightGBM和CatBoost以及随机森林。无监督学习模型包括聚类和降维两大类,主要有kmeans、PCA、SVD和LDA等。最后是概率模型,包括EM算法、MCMC、贝叶斯算法、概率图以及最大熵模型等。


完整的机器学习模型的思维导图如下所示:


整理成pdf后完整目录如下:


获取方式:

扫描下方二维码添加笔者微信索取即可。

另外本项目也会在后续时间持续改进和整理,完整版的代码会陆续在GitHub上进行更新。

项目地址:

https://github.com/luwill/machine-learning-code-writing


往期精彩:

数学推导+纯Python实现机器学习算法30:系列总结与感悟

数学推导+纯Python实现机器学习算法23:CRF条件随机场


浏览 257
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报
评论
图片
表情
推荐
点赞
评论
收藏
分享

手机扫一扫分享

分享
举报