README.md

          _   .-')                          .-') _               .-') _     ('-.
         ( '.( OO )_                       ( OO ) )             (  OO) )  _(  OO)
          ,--.   ,--.),--.             ,--./ ,--,'  .-'),-----. /     '._(,------.
          |   `.'   | |  |.-')         |   \ |  |\ ( OO'  .-.  '|'--...__)|  .---'
          |         | |  | OO )        |    \|  | )/   |  | |  |'--.  .--'|  |
          |  |'.'|  | |  |`-' |{}_O--)(|  .     |/ \_) |  |\|  |   |  |  (|  '--.
          |  |   |  |(|  '---.'(OO  )_ |  |\    |    \ |  | |  |   |  |   |  .--'
          |  |   |  | |      |         |  | \   |     `'  '-'  '   |  |   |  `---.
          `--'   `--' `------'         `--'  `--'       `-----'    `--'   `------'

ML-NOTE

慢慢整理所学的和机器学习相关的知识，并根据自己所理解的样子叙述出来。笔记中难免会出现一些错误，希望读者能够自己辨证着去看待，如果能把你的一些建议反馈给我的话那是再好不过的，所有文章也可以在知乎专栏阅读，相关代码实现可以参考我写的另一个微机器学习框架mimose。

笔记内容

• 线性回归与最小二乘法 [pdf | 知乎]

• 逻辑回归算法 [pdf | 知乎]

• 感知机算法 [pdf | 知乎]

• 高斯判别分析 [pdf | 知乎]

• 支持向量机(上篇) [pdf | 知乎]

• 支持向量机(下篇) [pdf | 知乎]

• EM算法 [pdf | 知乎]

• 朴素贝叶斯算法 [pdf | 知乎]

• 反向传播算法 [pdf | 知乎]

• PCA算法 [pdf | 知乎]

• 核函数粗浅的理解 [pdf | 知乎]

• L1和L2正则化的概率解释 [pdf | 知乎]

• 某些特殊概率分布之间的相互变换 [pdf | 知乎]

• 高维数据可视化之t-SNE算法 [pdf | 知乎]

• Word2Vec算法梳理 [pdf | 知乎]

• GBDT算法原理梳理 [pdf | 知乎]

• LSTM和GRU算法简单梳理 [pdf | 知乎]

• FM算法简单梳理 [pdf | 知乎]

• 数值微分理论和简单代码实现 [pdf | 知乎]

• k-means算法 [pdf | 知乎]

• 多分类问题的交叉熵 [pdf | 知乎]

• 关联规则算法原理浅析 [pdf | 知乎]

• l1相对于l2更容易获得稀疏解的个人看法 [pdf | 知乎]

• Isolation Forest算法梳理 [pdf | 知乎]