Machine Learning

机器学习中不包括深度学习的部分

Draft

• 西瓜书

  • 周老师亲自讲：学堂在线《机器学习初步》

• 橘子书（西瓜书的搭配材料，每章都一样的主题）

• 统计学习方法

• 吴恩达机器学习

  • https://sanzo.top/Blog/ML-AndrewNg/

  • https://developer.baidu.com/article/details/2749722

周老师的建议

1. 书读三遍

   1. 第一遍观其大略（一个月内看完西书），然后找相关材料，三个月到半年

   2. 第二遍经过沉淀，得到升华，然后去细致学习机器学习的每个分支，大概三年

   3. 第三遍疏通经络

• 基础

  • （西瓜书第一章 绪论）基本概念

  • （西瓜书第二章 模型评估与选择）经验误差过拟合、评估方法、性能度量、比较检验、方差与偏差

• 线性模型

  • （西瓜书第三章 线性模型）线性回归、对数几率回归、线性判别分析、多分类学习、类别不平衡问题

• 决策树

  • （西瓜书第四章 决策树）

• 支持向量机

  • （西瓜书第六章 支持向量机）

• 贝叶斯

  • （西瓜书第七章 贝叶斯分类器） EM 算法等等

  • （西瓜书第十四章 概率图模型）马尔科夫、条件随机场

• 集成学习

  • （西瓜书第八章 集成学习）

• 聚类

  • （西瓜书第九章 聚类）

• 降维与度量学习

  • （西瓜书第十章）k 邻近、低纬嵌入、PCA、核化线性降维、流形学习、度量学习

• 特征

  • （西瓜书第十一章）稀疏表示、压缩感知、字典学习

• 计算学习理论

  • （西瓜书第十二章 ）PAC 学习、VC维

• 半监督学习？

  • （西瓜书第十三章 ）

• 规则学习

  • （西瓜书第十五章）

• 强化学习

  • （西瓜书第十六章 ）

线性回归

逻辑回归

决策树

随机森林

梯度提升

K-近邻算法

支持向量机

朴素贝叶斯

集成方法比较

特征选择与降维

模型评估与调参

异常检测

时间序列预测

强化学习入门

深度学习

Resources