机器学习算法原理:
https://github.com/wepe/MachineLearning
机器学习实战原书内容与批注:
https://github.com/apachecn/MachineLearning
机器学习的Python实现:
https://github.com/lawlite19/MachineLearing_Python#1-%E4%BB%A3%E4%BB%B7%E5%87%BD%E6%95%B0
机器学习算法集锦:
https://zhuanlan.zhihu.com/p/25327755
各种机器学习的应用场景分别是什么:
https://www.zhihu.com/question/26726794
KNN k-邻近算法
优点:精度高,对异常值不敏感,无数据输入假定
缺点:计算复杂度高,空间复杂度高
适用数据范围:数值型和标称型
什么是数值型和标称型
标称型:标称型目标变量的结果只在有限目标集中取值
数值型:数值型目标变量则可以从无限的数值集合中取值
决策树
有点:计算复杂度不高,输出结果易于理解,对中间值的缺失不敏感,可以处理不相关特征数据
缺点:可能会产生过度匹配问题
适用数据类型:数值型和标称型
朴素贝叶斯
优点:在数据较少的情况下仍然有效,可以处理多类别问题
缺点:对于输入数的准备方式较为敏感
适用数据类型:标称型数据
机器学习算法之朴素贝叶斯(Naive Bayes)--第一篇
http://blog.csdn.net/xlinsist/article/details/51236454
朴素贝叶斯理论推导与三种常见模型
http://blog.csdn.net/u012162613/article/details/48323777
用朴素贝叶斯进行文本分类
http://blog.csdn.net/longxinchen_ml/article/details/50597149
朴素贝叶斯算法之文本分类算法的理解与实现
http://www.cnblogs.com/XBWer/archive/2014/07/13/3840736.html
logic回归
优点:计算代价不高,易于理解和实现
缺点:容易欠拟合,分类精度可能不高
使用数据类型:数值型和标称型数据
logic回归总结
http://blog.chinaunix.net/xmlrpc.php?r=blog/article&uid=9162199&id=4223505
logics回归数学推导
http://sbp810050504.blog.51cto.com/2799422/1608064/
SVM支持向量机
优点:泛化(由具体的,个别的扩大为一般的,就是说:模型训练完后的新样本)错误率低,计算开销不大,结果易理解
缺点:对参数调节和核函数的选择敏感,原始分类器不加修改仅适合于处理二分类问题
适用数据类型:数值型和标称型数据
SVM原理:
http://www.cnblogs.com/steven-yang/p/5658362.html
通俗易懂:
SVM:https://www.zhihu.com/question/21094489
SVM和logistic回归分别在什么情况下使用
https://www.zhihu.com/question/21704547
深度学习
零基础入门深度学习(总计六章)
https://zhuanlan.zhihu.com/p/25628246
CNN
Deep Learning学习笔记整理系列
http://www.cnblogs.com/zhizhan/p/4077947.html
CNN(卷积神经网络),RNN(循环神经网络),DNN(深度神经网络)的内部网络结构有什么区别
https://www.zhihu.com/question/34681168
一文读懂卷积神经网络CNN
https://www.cnblogs.com/nsnow/p/4562308.html
深度学习简介(一)-------卷积神经网络
https://www.cnblogs.com/alexcai/p/5506806.html
卷积神经网络CNN基本概念笔记
http://www.jianshu.com/p/606a33ba04ff
使用Keras+卷积神经网络玩小鸟
http://www.jianshu.com/p/3ba69493f020
Python库
scikit-learn机器学习库,scikit-learn机器学习库中文文档,如果无法使用Github安装sk-learn,请到Python官方下载msi安装文件scikit-learn下载传送门
https://github.com/scikit-learn/scikit-learn
http://sklearn.apachecn.org/cn/0.19.0/index.html
https://pypi.python.org/pypi/scikit-learn
Keras深度学习库
https://github.com/fchollet/keras
tensorflow机器学习与深度学习库
https://github.com/tensorflow/tensorflow
matplotlib数据分析库,matplotlib API使用手册