机器学习
- 从集成学习到GBDT与随机森林
- TensorFlowOnSpark 源码解析
- Python：SMOTE算法
- 机器学习经验总结之XGBoost
- GBDT源码分析之一 ：总览
- Sklearn randomforest与bagging算法使用
- 漫谈千亿级数据优化实践：数据倾斜（纯干货）
- tensorflow学习------文本分类详解
- 经典排序算法回顾
- 用Python浅析股票数据
- 基础-9：一文搞定动态规划
- 最小python代码实现Kmeans算法并图形化展示
- 如何感性地理解EM算法？
- 特征工程
- 如何使用sklearn进行数据挖掘？
- 判别分析
- 如何准备机器学习工程师面试
- 用讲故事的办法帮你理解SMO算法
- 机器学习：最小二乘、正则化和广义线性模型
- 数据挖掘面试题之SVM和LR的不同
- 用贝叶斯判别分析再次预测股票涨跌情况
- Centos安装tensorflow
- 机器学习中的数学：线性判别分析、主成分分析
- 数据挖掘面试题之梯度提升树
- 聚类分析、判别分析、主成分分析、因子分析
- 中文分词项目总结
- 《机器学习实战》第五章梯度上升算法的直观理解
- 推荐系统基础知识储备
- 机器学习通用框架
- 轻松看懂机器学习十大常用算法
- Scikit-learn使用总结
- 机器学习 | 聚类分析总结 & 实战解析
- 机器学习常见算法分类汇总
- 交叉验证、留一交叉验证、自助法
- 随机模拟-Monte Carlo积分及采样（详述直接采样、接受-
- GBDT：梯度提升决策树
- 数据挖掘150道试题
- 【机器学习实验】scikit-learn的主要模块和基本使用
机器学习算法，作品展示
