2017年歷史文章匯總|機器學習

碼字不易，歡迎給個贊！

歡迎交流與轉載，文章會同步發布在公眾號：機器學習演算法全棧工程師(Jeemy110)

為了方便各位童鞋們閱讀與學習，這裡對2017年機器學習方面的歷史文章按照類別進行匯總，主要分為機器學習基礎，機器學習實戰，大數據和數據挖掘四個類別。

機器學習基礎

• 基礎|認識機器學習中的邏輯回歸、決策樹、神經網路演算法
• 從損失函數的角度詳解常見機器學習演算法(1)
• 從損失函數的角度詳解常見機器學習演算法(2)
• 機器學習/深度學習入門資料匯總
• 機器學習從零開始系列連載(1)——基本概念
• 機器學習從零開始系列連載(2)——線性回歸
• [視頻講解]史上最全面的正則化技術總結與分析！
• 系列學習——推薦演算法綜述
• 詳解基於內容的推薦演算法
• 支持向量機原理篇之手撕線性SVM
• 機器學習損失函數、L1-L2正則化的前世今生
• 機器學習該如何入門
• 機器學習中Bagging和Boosting的區別
• 機器學習（一）集成學習
• 機器學習中的超參數的選擇與交叉驗證
• 詳解數據挖掘與機器學習的區別與聯繫
• 機器學習中的數據不平衡解決方案大全
• 樸素貝葉斯演算法詳解（1）
• 貝葉斯系列——貝葉斯與其他統計流派的區別和聯繫
• 最大熵模型解釋"知識就是力量"
• 深入淺出——基於密度的聚類方法
• 《機器學習》筆記-決策樹（4）
• 《機器學習》筆記-線性模型（3）
• 《機器學習》筆記-模型評估與選擇（2）
• 《機器學習》筆記-緒論（1）

機器學習實戰

• Windows下如何安裝xgboost
• 數據挖掘中的利器--XGBoost理論篇
• 史上最詳細的XGBoost實戰（上）
• 史上最詳細的XGBoost實戰（下）
• 機器學習實戰系列視頻
• 如果Boosting 你懂、那 Adaboost你懂么？
• Logistic回歸實戰篇之預測病馬死亡率（一）
• Logistic回歸實戰篇之預測病馬死亡率（三）
• 機器學習實戰——LBP特徵提取
• Logistic回歸實戰篇之預測病馬死亡率(二)
• Logistic回歸實戰篇之預測病馬死亡率（一）
• Logistic回歸基礎篇之梯度上升演算法
• 機器學習實戰---線性回歸提高篇之樂高玩具套件二手價預測
• 《機器學習實戰》學習筆記（十一）：線性回歸基礎篇之預測鮑魚年齡
• 機器學習實戰---詳解模型評價指標
• 樸素貝葉斯實戰篇之新浪新聞分類
• Windows下安裝Scikit-Learn
• Scikit-learn之決策樹
• Scikit-learn實戰之 SVM回歸分析、密度估計、異常點檢測
• 教你用python做文本分類
• Isolation Forest演算法原理詳解
• Isolation Forest演算法實現詳解（點擊閱讀原文有驚喜哦）
• Java 機器學習庫Smile實戰（一）SVM
• AdaBoost 演算法原理及推導
• Java 機器學習庫Smile實戰（二）AdaBoost

大數據

• Hadoop學習筆記
• Spark資源調優

數據挖掘

• 數據挖掘中的數據清洗方法大全
• 章神的私房菜之數據預處理

碼字不易，歡迎給個贊！

歡迎交流與轉載，文章會同步發布在公眾號：機器學習演算法全棧工程師(Jeemy110)