机器学习 目录

《机器学习》西瓜书

习题

• 第 1 章 绪论
• 第 2 章 模型评估与选择
• 第 3 章 线性模型
• 第 4 章 决策树
• 第 5 章 神经网络
• 第 6 章 支持向量机
  
  
  
  

编程实例

• 《机器学习》西瓜书 第 $2$ 章 编程实例 ( $\mathrm{ROC}$ 曲线, 代价曲线的绘制, 两种规范化的实现.)
• 《机器学习》西瓜书 第 $3$ 章 编程实例 (对率回归 (逻辑回归) 的实现, $10$ 折交叉验证法和留一法的比较, 线性判别分析 ( $\mathrm{LDA}$) 的实现.)
• 《机器学习》西瓜书 第 $4$ 章 编程实例 (基于信息熵、基尼指数进行划分选择的决策树算法. 未剪枝、预剪枝、后剪枝决策树的比较.)
• 《机器学习》西瓜书 第 $5$ 章 编程实例 (标准, 积累 $\mathrm{BP}$ 算法的实现, 手写数据集的训练与预测, $\mathrm{RBF}$ 网络解决异或问题.)
• 《机器学习》西瓜书 第 $6$ 章 编程实例 ( $\mathrm{SVM}$ 的训练以及其与决策树的比较, 线性核和高斯核的比较, $\mathrm{SVR}$ 的训练.)
  
  
  
  

西瓜数据集

西瓜数据集
书中的各类西瓜数据集.

资料推荐

• 南瓜书 $\mathrm{PumpkinBook}$
  强力推荐!! 非常有用的公式推导, 学习过程看不懂的公式可以查阅.
• 读懂反向传播算法（bp算法）
  详细的 $\mathrm{BP}$ 算法讲解, 不过中间 " $\delta_{j}^{l}$ 和 $\delta_{k}^{l+1}$ 之间有什么关系" 的那部分有错, 评论里有指出, 但是不影响大体.
• 零基础入门深度学习系列
  讲得挺清晰, 是比较好的入门教程.
• 支持向量机通俗导论（理解SVM的三层境界）
  $\mathrm{SVM}$ 入门首选 !