李威的机器学习读书笔记目录

说明：文章链接里图片、公式没有正确显示的话，可以在简书里查看完整的图片和公式。

李航《统计学习方法》(第 2 版)读书笔记

文章链接	简书
《统计学习方法》第 2 章“感知机”学习笔记	https://www.jianshu.com/p/db7f5e841a56
《统计学习方法》第 3 章“k 近邻法”学习笔记	https://www.jianshu.com/p/11d0ee7d9e5f
《统计学习方法》第 4 章“朴素贝叶斯法”学习笔记	https://www.jianshu.com/p/9a12fe2957db
《统计学习方法》第 5 章“决策树”学习笔记	https://www.jianshu.com/p/8cdd65cfb121
《统计学习方法》第 6 章“逻辑回归”学习笔记	https://www.jianshu.com/p/c64fba1f2fd2
《统计学习方法》第 6 章“最大熵模型”学习笔记	https://www.jianshu.com/p/350887b5b919
《统计学习方法》第 7 章“支持向量机”学习笔记	https://www.jianshu.com/p/67fc312373de
《统计学习方法》第 8 章“提升方法”学习笔记	https://www.jianshu.com/p/fd46d8c78e29
《统计学习方法》第 9 章“EM 算法及其推广”学习笔记	https://www.jianshu.com/p/6c8274bbb9b9
《统计学习方法》第 10 章“隐马尔科夫模型”学习笔记
《统计学习方法》第 11 章“条件随机场”学习笔记

文章链接	简书
二分类问题常见的评价指标
K-means 算法
梯度下降法
线性回归
使用 NumPy 提供的特征分解与 SVD 分解实现 PCA
使用 apriori 算法分析春晚主持人名单
朴素贝叶斯算法应用：垃圾短信分类
朴素贝叶斯算法应用：文档分类
关联分析之 Apriori 算法
SVD 奇异值分解理论推导
LDA 线性判别分析公式推导
信息熵的范围
白话“主成分分析” 1 ：主成分分析用于降维的思想
白话”主成分分析“ 2 ：通过主成分分析复习“线性代数”
白话“卡方检验”

Name		Name	Last commit message	Last commit date
Latest commit History 46 Commits
Association-Analysis		Association-Analysis
Decision-Tree-learning		Decision-Tree-learning
EM		EM
Jupyter-learning		Jupyter-learning
K-Nearest-Neighbors-learning		K-Nearest-Neighbors-learning
Kaggle-in-Action		Kaggle-in-Action
LDA-learning		LDA-learning
Linear-Regression-and-Polynomial-Regression		Linear-Regression-and-Polynomial-Regression
Mathematics-learning		Mathematics-learning
Matplotlib-learning		Matplotlib-learning
Naive-Bayes-learning		Naive-Bayes-learning
NumPy-learning		NumPy-learning
PCA-learning		PCA-learning
Pandas-learning		Pandas-learning
Perceptron-learning		Perceptron-learning
PyTorch-learning		PyTorch-learning
Python-basic		Python-basic
Reference-Books		Reference-Books
SVD-learning		SVD-learning
SVM-learning		SVM-learning
Scipy-learning		Scipy-learning
Seaborn-learning		Seaborn-learning
k-means-learning		k-means-learning
keras-learning		keras-learning
scikit-learn-learning		scikit-learn-learning
.gitignore		.gitignore
README.md		README.md