一.一些比较不错的视频教程：
1.白板推机器学习公式
https://space.bilibili.com/97068901/video
2.mooc的一个机器学习课
https://space.bilibili.com/259316011/video?tid=36&page=1&keyword=&order=pubdate
二.一些理论的汇总链接：
1.决策树的汇总：
1）理论基础：
一共两篇，写的还不错，主要讲了id3,c4.5以及cart
http://leijun00.github.io/2014/09/decision-tree/
https://www.cnblogs.com/wxquare/p/5379970.html
2)cart当中的基尼系数的计算：
《百面机器学习笔记》：https://www.jianshu.com/p/2c893840687a
这个作者开设的专栏，讲解了大部分机器学习算法，值得一看
https://blog.csdn.net/baimafujinji/article/details/53269040
3)cart回归于分类的说明：
https://www.jianshu.com/p/b90a9ce05b28
4)剪枝
剪枝理论基础：
https://blog.csdn.net/u012328159/article/details/79285214
剪枝分类：
https://www.cnblogs.com/starfire86/p/5749334.html
2.信息量，信息熵，交叉熵，KL散度和互信息（信息增益）
参考链接：
https://www.jianshu.com/p/07951a3f35f8
https://blog.csdn.net/zshfeng/article/details/77972651
https://blog.csdn.net/colourful_sky/article/details/78534122
https://blog.csdn.net/haolexiao/article/details/70142571
3.逻辑回归 LR的 推导
https://www.cnblogs.com/onemorepoint/p/9321199.html
https://www.cnblogs.com/daguankele/p/6549891.html【考虑了Y={-1,1}/Y={0,1}的情况，并且讲解了多分类的情况】
https://blog.csdn.net/u014258807/article/details/80616647【写的很明白，讲述了Y={0,1}的情况，推导主要参考这个】
4.逻辑回归和svm的异同
https://www.cnblogs.com/Peyton-Li/p/7620081.html
5.判别模型vs生成模型