前言
1.
数学基础
1.1.
线性代数基础
1.2.
概率论基础
1.3.
高斯分布
2.
Linear Regression线性回归
2.1.
线性回归——梯度下降法求解
2.2.
线性回归——正则方程法求解
2.3.
线性回归正则化
3.
Linear Classification线性分类
3.1.
Perceptron感知机
3.2.
Linear Discriminant Analysis线性判别分析
3.3.
Logistic Regression逻辑回归
3.4.
Gaussian Discriminant Analysis Model高斯判别分析模型
3.5.
Naive Bayesian Classifier朴素贝叶斯分类器
4.
DimensionReduction降维
4.1.
Principal Component Analysis主成分分析
5.
Support Vector Machine支持向量机
6.
ExponentialFamily指数家族
7.
Probabilistic Graphical Model概率图模型
8.
Ensemble Methods集成方法
9.
Gaussian Mixtured Model高斯混合模型
10.
Variational Inference变分推断
11.
Markov Chain Monte-Carlo马尔科夫链蒙特卡洛方法
12.
Hidden Markov Model隐马尔可夫模型
13.
Linear Dynamic System线性动态系统
14.
ParticleFilter粒子滤波
15.
Conditional Random Fields条件随机场
16.
Gaussian Network高斯网络
17.
Bayesian Linear Regression贝叶斯线性回归.md
18.
Gaussian Process Regression高斯过程回归
19.
Restricted Boltzmann Machines受限玻尔兹曼机
20.
Spectral Clustering谱聚类
21.
Neural Network神经网络
22.
Confronting Partition Function直面配分函数
23.
Approximate Inference近似推断
Light
Rust
Coal
Navy
Ayu
Machine Learning
数学基础