概率与统计
基础
概率论-wiki
数据挖掘中所需的概率论与数理统计知识
先验概率与后验概率
PR曲线、ROC曲线和AUC
详解最大似然估计(MLE)、最大后验概率估计(MAP),以及贝叶斯公式的理解
MLE隐含了参数取任何值的概率都一样,而MAP则考虑到了参数取不同值的概率是有差别的,有些值更容易取到,有些值不容易取到。比如扔十次硬币,十次都是正,那MLE估计得结果就是正的概率为1,但大家知道这明显不可能,所以要用到先验概率,就是上面所说,我们预先知道了取1几乎不可能
马尔科夫链蒙特卡洛方法
简单易学的机器学习算法——马尔可夫链蒙特卡罗方法MCMC
简单易学的机器学习算法——Metropolis-Hastings算法
MCMC(一)蒙特卡罗方法
假设检验
信息论
信息论:熵与互信息
【机器学习】信息量,信息熵,交叉熵,KL散度和互信息(信息增益)
决策树–信息增益,信息增益比,Geni指数的理解
ID3决策树中连续值的处理
优化算法
基础
NPC问题
P、NP、NPC和NP-Hard相关概念的图形和解释
P问题、NP问题、NPC问题的概念及实例证明
常见的几种最优化方法(梯度下降法、牛顿法、拟牛顿法、共轭梯度法等)
数值优化(Numerical Optimization)学习系列-线搜索方法(LineSearch)
组合最优化
概论-组合最优化问题、计算复杂性和启发式算法概念(现代优化计算方法)
梯度下降
为什么说随机最速下降法(SGD)是一个很好的方法?
梯度下降(Gradient Descent)小结
贪婪算法
贪心算法
从零开始学贪心算法
算法思想 – 贪心算法(1) – 基本概念及步骤
递归,分治算法,动态规划和贪心选择的区别
拟阵理论和贪心算法浅析
搜索算法
线性规划之单纯形法【超详解+图解】
如果有最优解,为什么单纯形最终一定会达到最优解?
共轭方向法和共轭梯度法
最优化学习笔记(九)——基本的共轭方向算法
局部搜索算法详解
搜索算法(篇一)
搜索算法(篇二)
学习总结:局部搜索
模拟退火算法
进化算法
遗传算法详解(GA)(个人觉得很形象,很适合初学者)
遗传算法入门到掌握(一)
遗传算法入门到掌握(二)
一文读懂遗传算法工作原理(附Python实现)
智能算法—蚁群算法介绍
蚁群算法(独辟蹊径的进化算法)
粒子群算法(1)----粒子群算法简介
粒子群算法(2)----标准的粒子群算法
粒子群算法(3)----标准的粒子群算法(局部版本)
神经网络规划
综合
优化搜索算法:爬山法,模拟退火算法,遗传算法-Python实现
元启发式算法网站
图论
基础
基础笔记:图的一些概念
图论基本定义和术语
并查集——求无向图的所有连通子图
算法导论–最小生成树(Kruskal和Prim算法)
Clustering coefficient的计算
社区发现
标签传播算法(Label Propagation)及 Python 实现
算法设计
基础
查找算法
综合
CS 97SI: Introduction to Programming Contests
DFS与BFS
数据结构和算法总结(一):广度优先搜索BFS和深度优先搜索DFS
回溯法和分支定界法
算法复习笔记(回溯法,分支限界法)
规划算法
漫画:什么是动态规划?
《面试–动态规划》 —五种经典的算法问题