资源 | 史上最全机器学习笔记
本文由LCatro整理
机器学习
机器学习算法原理
https://github.com/wepe/MachineLearning
机器学习实战原书内容与批注
https://github.com/apachecn/MachineLearning
机器学习的Python 实现
https://github.com/lawlite19/MachineLearning_Python#1-%E4%BB%A3%E4%BB%B7%E5%87%BD%E6%95%B0
机器学习算法集锦
https://zhuanlan.zhihu.com/p/25327755
各种机器学习的应用场景分别是什么
https://www.zhihu.com/question/26726794
KNN k-邻近算法
- 优点：精度高，对异常值不敏感，无数据输入假定
- 缺点：计算复杂度高，空间复杂度高，
- 适用数据范围：数值型和标称型
什么是数值型和标称型 标称型：
- 标称型目标变量的结果只在有限目标集中取值
- 数值型:数值型目标变量则可以从无限的数值集合中取值 。
决策树
- 优点：计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据
- 缺点：可能会产生过度匹配问题 适用数据类型:数值型和标称型
朴素贝叶斯
- 优点：在数据较少的情况下仍然有效,可以处理多类别问题
- 缺点： 对于输入数据的准备方式较为敏感
- 适用数据类型：标称型数据
机器学习算法之朴素贝叶斯(Naive Bayes)--第一篇
http://blog.csdn.net/xlinsist/article/details/51236454
朴素贝叶斯理论推导与三种常见模型
http://blog.csdn.net/u012162613/article/details/48323777
用朴素贝叶斯进行文本分类
http://blog.csdn.net/longxinchen_ml/article/details/50597149
朴素贝叶斯算法之文本分类算法的理解与实现
http://www.cnblogs.com/XBWer/archive/2014/07/13/3840736.html
logics 回归
- 优点： 计算代价不高,易于理解和实现
- 缺点: 容易欠拟合,分类精度可能不高 适用数据类型: 数值型和标称型数据
logics 回归总结
http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=9162199&id=4223505
logics 回归数学推导
http://sbp810050504.blog.51cto.com/2799422/1608064/
SVM 支持向量机
- 优点：泛化（由具体的、个别的扩大为一般的，就是说，模型训练完后的新样本）错误率低，计算开销不大，结果易理解
- 缺点：对参数调节和核函数的选择敏感，原始分类器不加修改仅适合于处理二分类问题
- 适用数据类型：数值型和标称型数据
SVM 原理
http://www.cnblogs.com/steven-yang/p/5658362.html
通俗易懂SVM
https://www.zhihu.com/question/21094489
SVM和logistic回归分别在什么情况下使用
https://www.zhihu.com/question/21704547
深度学习
零基础入门深度学习(总计六章)
https://zhuanlan.zhihu.com/p/25628246
CNN
Deep Learning(深度学习)学习笔记整理系列
http://www.cnblogs.com/zhizhan/p/4077947.html
CNN(卷积神经网络),RNN(循环神经网络),DNN(深度神经网络)的内部网络结构有什么区别
https://www.zhihu.com/question/34681168
一文读懂卷积神经网络CNN
https://www.cnblogs.com/nsnow/p/4562308.html
深度学习简介(一)——卷积神经网络
https://www.cnblogs.com/alexcai/p/5506806.html
卷积神经网络CNN基本概念笔记
http://www.jianshu.com/p/606a33ba04ff
使用Keras+卷积神经网络玩小鸟
http://www.jianshu.com/p/3ba69493f020
Python 库
scikit-learn 机器学习库
https://github.com/scikit-learn/scikit-learn
scikit-learn 机器学习库中文文档
http://sklearn.apachecn.org/cn/0.19.0/index.html
如果无法使用Github 安装sk-learn ,请到Python 官方下载msi 安装文件scikit-learn 下载传送门
https://pypi.python.org/pypi/scikit-learn
Keras 深度学习库
https://github.com/fchollet/keras
TensorFlow 机器学习与深度学习库
https://github.com/tensorflow/tensorflow
matplotlib 数据分析库 ,matplotlib API 使用手册
http://matplotlib.org/api/index.html
原文链接： https://github.com/lcatro/Machine-Learning-Note#machine-learning-note