Machine learning and deep learning notes, practice, formula derivation.
这个项目是我的学习笔记，内容还在完善中。如果遇到图片无法显示，可以下载后查看。
该部分以《视觉机器学习二20讲》为主线，扩展内容增加公式推导步骤。
-
- K-means++ 算法
- ISODATA 算法
- Kernel K-means
- 二分K-means聚类
-
- 线性回归模型
- 多项式回归模型
- 主成分回归模型
- 自回归模型
- 核回归模型
-
- ID3 算法
- C4.5 算法
- SLIQ 算法
- SPRINT 算法
-
- 朴素贝叶斯模型
- 层级贝叶斯模型
- 增广贝叶斯学习模型
- 基于Boosting技术的朴素贝叶斯模型
- 贝叶斯神经网络模型
-
- EM算法的快速计算
- 未知分布函数$P_i(y_i)$的选取
- EM算法收敛性的改进
-
- Boosting
- Adaboost
-
- 软间隔
- 硬间隔
- 核技巧
- SMO算法
-
- RNN
- LSTM
- GRU
-
- 梯度下降法
- 动量算法
- 共轭梯度法
- 自然梯度法
-
- 蒙特卡洛方法
- 时间差分方法
- 异步强化学习算法
- 2018.7.11日已更新KNN