数学大佬的机器学习算法完全入门指南

目前人工智能（AI）是非常热门的话题，各行各业的产品也尽量与AI挂钩，使产品更具有竞争性和创造性。高级AI程师与调参工程师的最大区别是前者对机器学习算法原理有一定程度的理解，今天小编简单的介绍下自己的微信公众号 [机器学习算法那些事]，公众号包含了大量机器学习算法原理的原创总结性文章，是一个以机器学习、Python数据分析和深度学习为主题的个人技术优质公众号 ，扫码关注石头，让机器学习算法变得不再复杂~~~

个人经历

号主任职于深圳一家智能医疗企业，担任高级算法工程师，有扎实的数学理论功底，让机器学习的推导公式变的通俗易懂。

目前以第一作者发表了四篇与算法相关的发明专利。

1.机器学习

1.1 监督学习方法

线性回归：不能忽视的三个问题

深入理解线性回归算法(一)

深入理解线性回归算法(二)：正则项的详细分析

线性分类模型(一)：线性判别模型分析

线性分类模型(二)：logistic回归模型分析

比较全面的L1和L2正则化解释

正则化方法小结

K近邻算法（KNN）原理小结

scikit-learn K近邻法类库使用小结

最大熵模型算法总结

浅谈频率学派和贝叶斯学派

浅谈先验分布和后验分布

贝叶斯分析：抛硬币的概率真的是1/2吗

浅析感知机学习算法

支持向量机(一)：支持向量机的分类思想

支持向量机(二)：算法详细解析

支持向量机(三)：图解KKT条件和拉格朗日乘子法

深入浅出核函数

支持向量机：SMO算法剖析

支持向量机应用：人脸识别

决策树算法总结

集成学习原理总结

随机森林算法总结

随机森林算法参数解释及调优

AdaBoost算法总结(一)

比较全面的AdaBoost算法总结（二）

AdaBoost项目实战：参数择优与泛化能力

梯度提升树算法原理小结

scikit-learn 梯度提升树(GBDT)算法实战

XGBoost算法原理小结

XGBoost之切分点算法

XGBoost参数调优小结

详解XGBoost算法的样本不平衡问题

Hessian矩阵在XGBoost算法的应用小结

LightGBM原理之论文详解

LightGBM算法原理小结

2.非监督学习方法

DBSCAN聚类算法原理总结

Mean Shift聚类算法原理总结

主成分分析（PCA）原理总结

奇异值分解（SVD）原理总结

scikit Learn中PCA的使用方法

线性判别分析（LDA）原理总结

用scikit-learn进行LDA降维

局部线性嵌入（LLE）原理总结

一文让你完全入门EM算法

3.机器学习基础

常见的几种最优化方法

拉格朗日乘数法

为什么梯度是函数变化最快的方向

梯度下降法的三种形式BGD、SGD以及MBGD

为什么要对数据进行归一化处理

机器学习中的相似性度量总结

jacobian矩阵和Hessian矩阵

正态分布为什么常见

机器学习算法的随机数据生成

从机器学习谈起

机器学习概论

机器学习算法常用指标总结

模型优化的风向标:偏差与方差

机器学习模型评估方法

机器学习模型性能评估(一)：错误率与精度

机器学习模型性能评估(二)：P-R曲线和ROC曲线

机器学习模型性能评估(三)：代价曲线

非参数性的正态检验

偏度与峰度的正态性分布判断

基于Q-Q图的正态性分布

浅谈频率学派和贝叶斯学派

浅谈先验分布和后验分布

贝叶斯分析：抛硬币的概率真的是1/2吗

4.机器学习资源

超全！ 李航《统计学习方法》 读书笔记

《周志华机器学习详细公式推导版》发布

推荐一些机器学习相关的数据集

推荐： 一个画出高大上的机器学习图的神器（论文必备）

面向机器学习的特征工程翻译版

妈妈再也不同担心我的公式写不出来了：一款公式输入神器实测

推荐：《机器学习实战：基于Scikit-Learn和TensorFlow》中文翻译和代码下载

2. Python数据科学

清晰易懂的Numpy入门教程

清晰易懂的Numpy进阶教程

精心整理 | 非常全面的Pandas入门教程

深度好文 | Matplotlib可视化最有价值的50个图标（附完整Python源代码）

推荐：常见算法的python实现（github上25000多star）

Python300本电子书免费送

这可能是史上最全的Python算法集

别再用print输出来调试代码了

Github星标1k+，懂点Python就能读懂的机器学习全流程笔记

30个Python常用功能，精心整理版

3. 算法面经

机器学习算法工程师秋季面经

面试分享系列|  17道Python面试题

决策树，逻辑回归，PCA-算法面经

110道Python面试题

4. 深度学习

神经网络浅讲：从神经元到深度学习（一）

以上是公众号的部分内容，扫码关注石头，一起交流学习进步，让算法的学习不再枯燥~~