Machine Learning

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