机器学习笔记总结

相关资料链接

机器学习术语 速查表

章节	学习笔记	思维导图	课后习题	延伸阅读	扩展习题	其他
一、绪论	Note1	Mind1	习题1	基本概念part1 基本概念part2 基本概念Part3 机器学习基础（上）	-	-
二、模型评估与选择	Note2	Mind2	习题2	机器学习基础（下）	-	-
三、线性模型	Note3	Mind3	习题3	感知机（上） 感知机+SVM+LR（上） 感知机+SVM+LR（下） SVM(下) + LR Logistic回归+产生式模型	-	-
四、决策树	Note4	Mind4	习题4	决策树+随机森林+AdaBoost（上） 决策树+随机森林+AdaBoost（中） 决策树+随机森林+AdaBoost（下）	-	-
五、神经网络与深度学习	Note5	Mind5	习题5		-	-
六、支持向量机	Note6	Mind6	习题6	支持向量机	-	-
七、贝叶斯分类器	Note7	Mind7	习题7	朴素贝叶斯+隐马尔可夫模型 贝叶斯估计 NaiveBayes, HMM（上） NaiveBayes, HMM（上） NaiveBayes, HMM（下） 贝叶斯学习与EM算法（上） 贝叶斯学习与EM算法（中） 贝叶斯学习与EM算法（下）	-	-
八、集成学习	Note8	Mind8	习题8	EM算法 EM算法回顾+集成学习	-	-
九、聚类	Note9	Mind9	习题9		-	-
十、降维与度量学习	Note10	Mind10	习题10		-	-
十一、特征选择与稀疏学习	Note11	Mind11	习题11
十二、计算学习理论	Note12	Mind12	习题12
十三、半监督学习	Note13	Mind13	习题13
十四、概率图模型	Note14	Mind14	习题14	概率图模型(上) 概率图模型(中) 概率图模型(下) 概率图模型(下下)
十五、规则学习	Note15	Mind15	习题15
十六、强化学习	Note16	Mind16	习题16