机器学习
2021
[20]
- 机器学习数学推导（二十）正则化与模型选择 12-17
- 机器学习数学推导（十九）神经网络与反向传播 12-11
- 机器学习数学推导（十八）聚类算法 12-05
- 机器学习数学推导（十七）降维与主成分分析 11-29
- 机器学习数学推导（十六）条件随机场 11-23
- 机器学习数学推导（十五）隐马尔可夫模型 11-17
- 机器学习数学推导（十四）变分推断与变分 EM 11-11
- 机器学习数学推导（十三） EM 算法与 GMM 11-05
- 机器学习数学推导（十二） XGBoost 与 LightGBM 10-30
- 机器学习数学推导（十一）集成学习 10-24
- 机器学习数学推导（十）半朴素贝叶斯与贝叶斯网络 10-18
- 机器学习数学推导（九）朴素贝叶斯 10-12
- 机器学习数学推导（八）支持向量机 10-06
- 机器学习数学推导（七）决策树 09-30
- 机器学习数学推导（六）逻辑回归与分类 09-24
- 机器学习数学推导（五）线性回归 09-18
- 机器学习数学推导（四）凸优化理论 09-12
- 机器学习数学推导（三）概率论与统计推断 09-06
- 机器学习数学推导（二）线性代数与矩阵论 08-31
- 机器学习数学推导（一）绪论与数学基础 08-25
2019
[1]
- 线性代数（十八）前沿应用与总结 03-30