1
算法channel
公众号才成立两个月,在这段日子,每天推送一篇算法,机器学习,深度学习相关的文章,包括:
2
原创文章整理
1机器学习:不得不知的概念(1) |
---|
2 机器学习:不得不知的概念(2) |
3 机器学习:不得不知的概念(3) |
4 回归分析简介 |
5 最小二乘法:背后的假设和原理(前篇) |
6 最小二乘法原理(后):梯度下降求权重参数 |
7 机器学习之线性回归:算法兑现为python代码 |
8 机器学习之线性回归:OLS 无偏估计及相关性python分析 |
9 机器学习线性回归:谈谈多重共线性问题及相关算法 |
10 机器学习:说说L1和L2正则化 |
11 机器学习逻辑回归:原理解析及代码实现 |
12 机器学习逻辑回归:算法兑现为python代码 |
13 机器学习:谈谈决策树 |
14 机器学习:对决策树剪枝 |
15 机器学习决策树:sklearn分类和回归 |
16 机器学习决策树:提炼出分类器算法 |
17 机器学习:说说贝叶斯分类 |
18 朴素贝叶斯分类器:例子解释 |
19 朴素贝叶斯分类:拉普拉斯修正 |
20 机器学习:单词拼写纠正器python实现 |
21 机器学习:半朴素贝叶斯分类器 |
22 机器学习期望最大算法:实例解析 |
23 机器学习高斯混合模型(前篇):聚类原理分析 |
24 机器学习高斯混合模型(中篇):聚类求解 |
25 机器学习高斯混合模型(后篇):GMM求解完整代码实现 |
26 高斯混合模型:不掉包实现多维数据聚类分析 |
27 高斯混合模型:GMM求解完整代码实现 |
28 数据降维处理:背景及基本概念 |
29 数据降维处理:PCA之特征值分解法例子解析 |
30 数据降维处理:PCA之奇异值分解(SVD)介绍 |
31 数据降维处理:特征值分解和奇异值分解的实战分析 |
32 机器学习集成算法:XGBoost思想 |
33 机器学习集成算法:XGBoost模型构造 |
34 决策树回归:不掉包源码实现 |
35 机器学习:提升树(boosting tree)算法的思想 |
36 为什么要有深度学习?系统学习清单 |
37 深度学习|神经网络模型简介和梯度下降求解 |
38 深度学习|神经网络模型实现手写字分类求解思路 |
39 深度学习|反向传播算法(BP)原理推导及代码实现 |
40 深度学习|神经网络模型求解思路总结 |
41 深度学习|对隐含层的感性认识 |
42 深度学习|卷积神经网络(CNN)介绍(前篇) |
43 深度学习|卷积神经网络(CNN)介绍(后篇) |
44 深度学习|理解LSTM网络(前篇) |
45 深度学习|循环神经网络之LSTM(后篇) |
46 深度学习|自然语言处理之词To词向量 |
47 自然语言处理|语言模型介绍 |
48 案例实战|泰坦尼克号船员获救预测(数据预处理部分) |
49 面试必备|单链表反转思路图形解析 |
50 案例实战|泰坦尼克号船员获救预测(算法求解) |
51 案例实战|泰坦尼克号船员获救预测(XGBoost提交结果) |
52 机器学习储备(1):协方差和相关系数 |
53 机器学习储备(2):高斯分布 |
54 机器学习储备(3):似然函数例子解析 |
55 机器学习储备(4):最常用的求导公式 |
56 机器学习储备(5):Python和Numpy入门 |
57 机器学习储备(7):numpy一维数组和矩阵 |
58 机器学习储备(8):numpy之linspace 和 logspace |
59 机器学习储备(9):matplotlib绘图原理及实例 |
60 机器学习储备(10):numpy之RandomState() 和 axis |
61 机器学习储备(11):说说离散型随机变量 |
62 机器学习储备(12):二项分布的例子解析 |
63 机器学习储备(13):概率密度和高斯分布例子解析 |
64 冒泡排序,快速排序,实例演示 |
65 直接选择排序,堆排序,实例演示 |
66 直接插入排序,希尔排序,实例演示 |
67 归并排序,实例演示 |
68 基数排序,实例演示 |
69 常用排序算法代码兑现 |
70 二叉树非递归版,前序遍历算法解析 |
71 二叉树非递归版,中序遍历算法解析 |
72 二叉树非递归版,后序遍历算法解析 |
73 回溯树求集合全排列和所有子集 |
74 LeetCode实战:动态规划算法是怎么一回事 |
75 动态规划前篇:括号知多少 |
76 动态规划中篇:爬楼梯 |
77 动态规划后篇:考量适用指标 |
78 LeetCode实战:子问题分析 |
79 机器学习:XGBoost 安装及实战应用 |
3
源码整理
以上这些文章中涉及的源码正在整理到Github中,也一起分享给大家,感兴趣的可以结合文章和代码一起学习。
点击原文链接:
https://github.com/jackzhenguo/machine-learning
4
接下来做什么
接下来会推送:
Tensorflow for Deep Learning Research
学界论文笔记
算法案例精炼
...
5
使命感
持之以恒,砥砺前行...
6
致谢
感谢大家的陪伴,你们的参与是我不断前进的动力!
本文分享自 程序员郭震zhenguo 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!