Quartz 4

README

3 min read

【机器学习】【白板推导系列】【合集 1～33】_哔哩哔哩_bilibili

  1. 书籍推荐
  2. 1-介绍
  3. 2-数学基础
  4. 3-线性回归
  5. 4-线性分类
  6. 5-降维

书籍推荐

频率派：逐渐发展成为统计机器学习

贝叶斯派：逐渐发展成概率图模型

  • 李航《统计学习方法》
    • 主要讲统计机器学习
    • 有10个算法
      1. 感K朴决逻，支提E隐条
      2. 感知机器
      3. KNN
      4. 朴素贝叶斯
      5. 决策树
      6. 逻辑回归
      7. 支持向量机
      8. Boosting
      9. EM算法
      10. 隐马尔可夫模型HMM
      11. 条件随机场
  • 周志华：《机器学习》（西瓜书）
    • 比较全面，囊括很多学习方法
  • PRML：模式识别与机器学习
    • 回分神核稀，图混近采莲，顺组
    • 线性回归
    • 神经网络
    • 核方法
    • 稀疏和积？
    • 概率图模型
    • 混合模型
    • 近似算法
    • 采样
    • 连型随机变量
    • 顺序数据
    • 组合模型：Boosting、随机森林
  • MLAPP：以概率的视角看待机器学习
    • 侧重于贝叶斯派的百科全书
  • ESL：统计学习的基本元素
    • 频率派
  • Deep Learning(圣经) 张志华翻译

视频：

  • 林轩田
    • 《机器学习基石》：理论、正则化、线性模型
    • 《机器学习技法》：SVM、决策树、随机森林、浅讲神经网络
  • 张志华
    • 《机器学习导论》：频率派
    • 《统计机器学习》：贝叶斯派，统计上的理论，如共轭
  • 吴恩大CS229（不是Coursera上那个）
    • 有数学推导
  • 徐亦达：
    • 比较深：概率模型HMM、滤波算法、狄利克雷过程。
    • GitHub上有notes
  • 李宏毅：ML、MLDS

Graph View