机器学习：原理及实现
- 协同过滤原理及实现(Collaborative Filterin
- 高斯混合模型原理及实现(Gaussian Mixture Mod
- 矩阵分解算法原理及实现(Matrix Factorization
- 模型评估与选择(Model Assessment and Sel
- 关联规则原理及实现(Association Rules)
- 线性判别分析原理及实现(Linear Discriminant
- 序列最小优化算法实现(Sequential Minimal Op
- 支持向量机原理(Support Vector Machine)
- 正则化原理(Regularization)
- 集成学习原理(Ensemble Learning)
- 决策树原理及实现(Decision Tree)
- DBSCAN原理及实现
- 极限梯度提升树原理(XGBoost)
- K均值原理及实现(K-Means)
- K近邻原理及实现(K-Nearest-Neighbor)
- 朴素贝叶斯原理及实现(Naive Bayes)
- 对率回归原理及实现(logistic regression)
- 线性回归原理及实现(Linear Regression)
自己之前写的东西，搬过来看能不能增加点人气，顺遍给自己的项目加几个星