从入门到放弃之Python机器学习--目录

版权声明：本文为博主原创文章，未经博主允许也可以转载，注明转载即可。 https://blog.csdn.net/xiligey1/article/details/81366412

本专栏主要介绍：
- 机器学习理论知识（不定期更新，希望涉及的算法更加全面）
- 调包实现各个算法（涉及到sklearn、scipy等库）
- 手动实现各个算法

---

[目录]

• 有监督学习
  
  • 广义线性模型
    
    • 普通最小二乘法
    • 岭回归
    • Lasso回归
    • 多任务Lasso
    • 弹性网络
    • 多任务弹性网络
    • 最小角回归
    • LARS Lasso
    • 正交匹配追踪
    • 贝叶斯回归
    • 逻辑回归和Softmax回归
    • 梯度下降和随机梯度下降
    • 感知器
    • 压缩感知算法
    • 鲁棒回归
    • 多项式回归
  • 线性和二次判别分析
  • 内核岭回归
  • 支持向量机
  • 梯度下降和随机梯度下降
  • 最近邻
  • 高斯过程
  • 交叉分解
    
    • 偏最小二乘法
    • 典型相关分析
  • 朴素贝叶斯
  • 决策树
  • 集成方法
  • 多类和多标签算法
  • 特征选择
  • 半监督学习
  • 等式回归
  • 概率校准
  • 神经网络(有监督)
    
    • 线性神经网络
    • BP神经网络
    • 径向基函数网络
    • 自组织竞争神经网络
    • 反馈神经网络
    • 随机神经网络
• 无监督学习
  
  • 关联规则
  • 高斯混合模型
  • 流形学习
  • 聚类
  • 双聚类
  • 矩阵分解
    
    • 主成分分析
    • 截断奇异值分解和隐语义分析
    • 字典学习
    • 因子分析
    • 独立成分分析
    • 非负矩阵分解
    • LDA
  • 协方差估计
  • 经验协方差
  • 收敛协方差
  • 稀疏逆协方差
  • Robust协方差估计
  • 新奇和异常值检测
  • 密度估计
  • 神经网络(无监督)
• 模型评估和选择
  
  • 交叉验证
  • 调整超参数
  • 模型评估：量化预测的质量
  • 模型持久化
  • 验证曲线：绘制分数以评估模型
• 数据集转换
• 数据集加载工具
• 一些sklearn教程
  
  • sklearn中常用机器学习词汇
  • 统计学习相关教程
  • 用sklearn处理处理文本数据
  • 如何选择正确的评估器