机器学习
-
- 无监督一致性聚类
-
- 线性回归分析思路总结！史上最全！
-
- 岭回归、前向逐步回归
-
- SVM（支持向量机）笔记-SMO算法、核函数，代码实现
-
- 《Python与机器学习实战》——第一章
-
- 一看就懂的K近邻算法(KNN)，K-D树，并实现手写数字识别！
-
- R语言-multiROC package
-
- 我是这样一步步理解--主题模型(Topic Model)、LDA
-
- K-Means(K均值)、GMM(高斯混合模型)，通俗易懂，先收
-
- 机器学习笔记-正则化、神经网络和聚类
-
- 从似然函数到EM算法(附代码实现)
-
- 卷积神经网CNN（1）
-
- 贝叶斯网络，看完这篇我终于理解了(附代码)！
-
- 我是这样理解--SVM，不需要繁杂公式的那种！(附代码)
-
- LightGBM，面试会问到的都在这了（附代码）！
-
- 终于有人说清楚了--XGBoost算法
-
- GBDT--原来是这么回事(附代码)
-
- 随机森林--你想到的，都在这了
-
- 好记忆的机器学习面试--决策树
-
- 看完这篇，逻辑回归80%都懂了
-
- 好记忆的机器学习面试--线性回归
-
- 机器学习入门（十三）：SVM——线性可分 SVM 原理
-
- 通俗易懂--岭回归(L2)、lasso回归(L1)、Elasti
-
- 通俗易懂--信用卡欺诈预测案例讲解(算法+案例)
-
- 通俗易懂--SVM算法讲解(算法+案例)
-
- 通俗易懂--决策树、随机森林讲解(算法+案例)
-
- 通俗易懂--逻辑回归算法讲解(算法+案例)
-
- 机器学习--线性回归介绍(算法+案例)
机器学习
