【原创首发】机器学习公式推导与代码实现30讲.pdf

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