常用函数-机器学习原理

第二章概率论

机器学习原理

Relu 激励函数的图在这里:

tanh 激励函数的图

书籍推荐

神经网络与深度学习

tigerneil • machine-learning • 9页 • 2018年6月5日

239

Google 深度学习笔记

ahangchen • machine-learning • 19页 • 2018年6月5日

1243

写给人类的机器学习

gaolinjie • machine-learning • 10页 • 2018年7月8日

29

浅入浅出 Android 安全

wizardforcel • android • 9页 • 2018年5月3日

59

pyspider中文文档

aaronhua123 • python • 18页 • 2019年5月12日

1

30秒学会常用React代码

30 seconds • redux • 52页 • 2019年5月26日

1894

封面
简介
前言
第一部分数学基础
第一章数学分析
- 梯度下降
- 数值计算
- 过拟合数学原理与解决方案
- 交叉验证
- 最小二乘
- 拉格朗日乘子法（Lagrange Multiplier) 和KKT条件
- 牛顿法
- 凸优化
- 常用函数
第二章概率论
- 统计学习方法概论
- 最大似然估计
- 蒙特卡罗方法
- 马尔科夫链
- MCMC采样和M-H采样
- Gibbs采样
第三章矩阵和线性代数
- LAPACK
- 特征值与特征向量
第二部分机器学习
第四章机器学习基础
- Python及其数学库
- 机器学习库
- 模型度量
- 生成模型和判别模型
- 机器学习中的距离
第六课：数据清洗和特征选择
- PCA
- ICA
- One-hot编码
- scikit-learn PCA
- 线性判别分析LDA
- 用scikit-learn进行LDA降维
- 奇异值分解(SVD)原理与在降维中的应用
- 局部线性嵌入(LLE)原理
- scikit-learn LLE
- spark特征选择
- Spark特征提取
- 异常数据监测
- 数据预处理
- 特征工程
第七课：回归
- 1. 线性回归
- 10.最大熵模型
- 11.K-L散度
- 坐标下降和最小角
- 线性回归小结
- Logistic回归
- Logistic回归小结
- SoftMax回归
第九课：决策树
- ID3
- C4.5
- CART
- 总结
- 实现代码
第十三课：SVM
- 感知机模型
- 线性SVM
- 软间隔最大化模型
- 核函数
- SMO算法原理
- SVM回归
- scikit-learn SVM
- 支持向量机高斯核调参
- SVM代码实现
集成学习
- Adaboost原理
- scikit-learn Adaboost
- 梯度提升树（GBDT）
- scikit GBDT
- Bagging与随机森林
- XGBOOST
- scikit-learn 随机森林
第十五课：聚类
- K-Mean
- KNN
- scikit-learn KNN
- KNN 代码
- scikit-learn K-Means
- BIRCH聚类算法原理
- scikit-learn BIRCH
- DBSCAN密度聚类算法
- scikit-learn DBSCAN
- 谱聚类（spectral clustering）原理
- scikit-learn 谱聚类
- 近邻传播算法
- 混合高斯模型
关联分析
- 典型关联分析(CCA)原理
- Apriori算法原理
- FP Tree算法原理
- PrefixSpan算法原理
- Spark FP Tree算法和PrefixSpan算法
推荐算法
- 矩阵分解协同过滤推荐算法
- SimRank协同过滤推荐算法
- Spark矩阵分解推荐算法
- 分解机(Factorization Machines)推荐算法原理
- 美团推荐算法
- MapReduce ItemCF
- 基于标签的用户推荐系统
第十七课：EM算法
第十九课：贝叶斯网络
- 朴素贝叶斯
- scikit-learn朴素贝叶斯
- 朴素贝叶斯实际应用
- 朴素贝叶斯代码
第二十一课：LDA主题模型
第二十三课：隐马尔科夫模型HMM
- HMM前向后向算法评估观察序列概率
- 鲍姆-韦尔奇算法求解HMM参数
- 维特比算法解码隐藏状态序列
- 用hmmlearn学习隐马尔科夫模型HMM
- 马尔科夫蒙特卡洛
条件随机场CRF
- 从随机场到线性链条件随机场
- 前向后向算法评估标记序列概率
- 维特比算法解码
第三部分深度学习
深度学习层
- 核心层
- 卷积层
- 池化层
- 局部连接层
- 循环层
- 嵌入层
- 合并层
- 高级激活层
- 归一化层
- 噪声层
- 层包裹
- 自定义层
第二十五课：深度学习
- 基本概念
- 深度神经网络（DNN）模型与前向传播算法
- 深度神经网络（DNN）反向传播算法(BP)
- 反向传播
- 反向传播2
- DNN损失函数和激活函数的选择
- 深度神经网络（DNN）的正则化
- 参考文献
第二十六课卷积神经网络(Convolutional Neural Netowrk)
- 卷积神经网络(CNN)模型结构
- 卷积神经网络(CNN)前向传播算法
- 卷积神经网络(CNN)反向传播算法
对抗生成网络(Generative Adversarial Networks)
- GAN原理
- InfoGAN
- DCGAN
- VAE
受限波尔兹曼机
- RBM code
- DBN
- RBM原理
RNN
- Bidirectional RNNs
- Deep (Bidirectional) RNNs
- LSTM模型与前向反向传播算法
- 随时间反向传播（BPTT）算法
- 循环神经网络(RNN)模型与前向反向传播算法
自动编码器
- 堆叠降噪自动编码器
- 降噪自动编码器
- sparse自动编码器
- Keras自动编码器
word2vec
- CBOW与Skip-Gram模型基础
- 基于Hierarchical Softmax的模型
- 基于Negative Sampling的模型
增强学习
- Q-Learning
- 策略网络
- bandit算法
- 蒙特卡洛树搜索
- 多臂赌博机(Multi-arm Bandits)
- 马尔可夫决策过程MDP
- 动态编程
- 蒙特卡洛方法
- 时序差分学习
- A3C算法
- Multi-steps bootstraping
- Planning and Learning with Tabular Methods
- DQN
- Policy Gridient
- Actor Critic
- DDPG (Deep Deterministic Policy Gradient)
- PPO(Proximal Policy Optimization )
- Alpha-Beta剪枝算法详解
进化算法
- 遗传算法
- 进化策略
- NEAT
自然语言处理
- 文本挖掘的分词原理
- HashTrick
- TF-IDF
- 中文文本挖掘预处理
- 英文文本挖掘预处理
- 潜在语义索引(LSI)
- 非负矩阵分解(NMF)
- LDA基础
- LDA求解之Gibbs采样算法
- LDA求解之变分推断EM算法
- scikit-learn LDA主题模型
语音识别
- GMM-HMM
- 目录
第四部分学习资源
- 机器学习
- 强化学习
- 自然语言处理
- 深度学习
流行网络结构
- mobilenet
- ResNet
并行学习
- 美团并行学习实践
AI应用
- 美团外卖AI技术
- 美团推荐排序