【原創(chuàng)首發(fā)】機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)30講.pdf

機(jī)器學(xué)習(xí)

Author：louwill

Machine Learning Lab

? ? ?

機(jī)器學(xué)習(xí)公式推導(dǎo)與代碼實(shí)現(xiàn)系列全部30講已經(jīng)全部完成，為方便大家學(xué)習(xí)使用，筆者特地整理成252頁的PDF文檔供大家下載閱讀。

全系列總共包括監(jiān)督學(xué)習(xí)算法模型18講、無監(jiān)督學(xué)習(xí)算法模型4篇，概率模型算法7篇，總結(jié)1篇。能夠較好的覆蓋大部分常用的機(jī)器學(xué)習(xí)模型。其中監(jiān)督學(xué)習(xí)算法模型包括單模型和集成學(xué)習(xí)兩大類，單模型主要有線性模型、k近鄰、決策樹、神經(jīng)網(wǎng)絡(luò)和支持向量機(jī)等。集成學(xué)習(xí)分為Boosting和Bagging兩類，主要包括GBDT、AdaBoost、XGBoost、LightGBM和CatBoost以及隨機(jī)森林。無監(jiān)督學(xué)習(xí)模型包括聚類和降維兩大類，主要有kmeans、PCA、SVD和LDA等。最后是概率模型，包括EM算法、MCMC、貝葉斯算法、概率圖以及最大熵模型等。

完整的機(jī)器學(xué)習(xí)模型的思維導(dǎo)圖如下所示：

整理成pdf后完整目錄如下：

獲取方式：

掃描下方二維碼添加筆者微信索取即可。

另外本項(xiàng)目也會(huì)在后續(xù)時(shí)間持續(xù)改進(jìn)和整理，完整版的代碼會(huì)陸續(xù)在GitHub上進(jìn)行更新。

項(xiàng)目地址：

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

往期精彩：

數(shù)學(xué)推導(dǎo)+純Python實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法30：系列總結(jié)與感悟

數(shù)學(xué)推導(dǎo)+純Python實(shí)現(xiàn)機(jī)器學(xué)習(xí)算法23：CRF條件隨機(jī)場