机器学习知识库

从基础概念到经典算法的中文机器学习笔记，保留公式、代码、运行结果与原始 Notebook。

91
原始 Notebook
96
可阅读条目
13
核心专题
103
图表与配图

这是一套从 Jupyter Notebook 迁移而来的中文机器学习知识库。内容保留了原笔记中的公式、代码、运行结果和配图，并按主题与学习顺序重新组织。

推荐阅读方式

  1. 初次学习可从「概述」开始，再补充「数学基础」。
  2. 监督学习建议依次阅读线性回归、逻辑回归、kNN、决策树、贝叶斯与支持向量机。
  3. 进阶部分可继续学习神经网络、集成学习，以及聚类等无监督学习主题。
  4. 每篇文章都提供原始文件下载，便于回到 Notebook 运行代码或继续编辑。

内容说明

  • Notebook 中的 Markdown、代码单元格和已有运行输出均已迁移。
  • 原始图片按原路径保留；Notebook 内嵌的图表已提取为网页资源。
  • TODO、书单、论文链接与示例数据也作为知识库条目保留。
  • 下载原始知识库索引 · 查看源文件附录

搜索全部笔记

按标题、专题或标签查找

输入关键词开始搜索。

按专题学习

每个专题都按原笔记顺序排列

103 篇

概述

从机器学习的基本概念、任务类型和常见算法开始建立全局认识。

  1. 01. 什么是机器学习
  2. 02. 机器学习分类
  3. 03. 机器学习算法
进入专题
204 篇

数学基础

整理公式书写、矩阵性质与拉格朗日对偶等机器学习数学工具。

  1. 01. LaTeX 笔记
  2. x. 拉格朗日对偶问题
  3. x. 满秩矩阵
进入专题
3025 篇

线性回归

从最小二乘到正则化、优化算法与鲁棒学习的完整回归学习路径。

  1. 01. 牛顿法
  2. 01. 什么是线性回归
  3. 02. 拟牛顿法
进入专题
4012 篇

逻辑回归

由回归走向分类，覆盖二分类、多分类、优化与模型评估。

  1. 01. 从回归到分类
  2. 02. 一元分类问题和逻辑函数
  3. 03. 逻辑回归和一元分类问题的求解
进入专题
504 篇

kNN

理解距离度量、近邻决策、kd 树与 sklearn 实战。

  1. 01. k-近邻算法概述
  2. 02. 距离度量方法
  3. 03. k-近邻的算法实现：kd 树
进入专题
606 篇

决策树

学习属性划分、剪枝、连续值、缺失值与多变量决策树。

  1. 01. 决策树算法概述
  2. 02. 如何选择最优的划分属性
  3. 03. 决策树算法实战
进入专题
707 篇

贝叶斯

从贝叶斯定理到朴素贝叶斯、半朴素模型和贝叶斯网络。

  1. 01. 贝叶斯定理
  2. 02. 朴素贝叶斯分类器
  3. 03. 贝叶斯分类实例
进入专题
809 篇

支持向量机

系统整理间隔、对偶、SMO、核方法与支持向量回归。

  1. 01. 什么是支持向量机
  2. 02. 支持向量机的对偶问题
  3. 03. 硬间隔与软间隔
进入专题
906 篇

神经网络

从感知机、神经元模型一路理解反向传播和常见网络结构。

  1. 01. 感知机模型
  2. 02. 神经元模型
  3. 03. 从感知机到神经网络
进入专题
1005 篇

集成学习

梳理 Boosting、Bagging、随机森林与学习器多样性。

  1. 01. 什么是集成学习？
  2. 02. Boosting 算法
  3. 03. Bagging 算法
进入专题
1105 篇

聚类

覆盖 k-means、DBSCAN、层次聚类等无监督学习方法。

  1. 1. 什么是聚类
  2. 2. 聚类算法一览
  3. 3. k-means 算法
进入专题
1201 篇

降维

记录 PCA、SVD、t-SNE 与自动编码器等降维方向的学习计划。

  1. TODO
进入专题
1309 篇

其他资料

汇总课程、书籍、论文与配套示例数据。

  1. 01. Machine Learning. Coursera. Andrew Ng
  2. 01. 概率论与数理统计.陈希孺
  3. 02. Python3入门机器学习经典算法与应用.liuyubobobo
进入专题