Machine Learning–潘登同学的机器学习笔记

有监督机器学习

拟合

多元线性回归MLR

线性回归代码实现–Tensorflow部分

多元线性回归改进Ridge&Lasso

Ridge和Lasso回归代码实现–Tensorflow部分

数据预处理:Polynomial多项式升维和PCA降维

机器学习、深度学习优化函数详解

分类

逻辑回归(LogisticRegression)

多分类任务OVO、OVR及softmax回归

Logistics回归、Softmax代码实现–Tensorflow部分

硬间隔SVM

SVM软间隔、非线性

SVM代码实现–Tensorflow部分

分类实战

实战音乐多分类项目(包含傅里叶变换详解)

无监督机器学习

聚类

聚类算法K-mean及其变形

Canopy聚类、层次聚类、密度聚类-DBSCAN

密度最大值聚类、谱聚类

EM 算法与 GMM 模型

决策树

经典决策树CART、ID3与C4.5

随机森林算法与集成学习

Adaboost 算法与集成学习

概率图

贝叶斯网络

马尔可夫随机场

因子图

变量消元法与团树传播算法

最大后验概率推理MAP