https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/Recent content in 书籍 on Colommar BlogHugozh-CNWed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/01-%E6%A6%82%E7%8E%87%E8%AE%BA%E4%B8%8E%E6%95%B0%E7%90%86%E7%BB%9F%E8%AE%A1-%E9%99%88%E5%B8%8C%E5%AD%BA/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/01-%E6%A6%82%E7%8E%87%E8%AE%BA%E4%B8%8E%E6%95%B0%E7%90%86%E7%BB%9F%E8%AE%A1-%E9%99%88%E5%B8%8C%E5%AD%BA/第 1 章 事件的概率 1.1 概率是什么 1.2 古典概率计算 1.3 事件的运算、条件概率与独立性 第 2 章 随机变量及概率分布 2.1 一维随机变量 2.2 多维随机变量（随机向量） 2.3 条件概率分布与随机变量的独立性 2.4 随机变量的函数的概率分布 第 3 章 随机变量的数字特征 3.1 数学期望（均值）与中位数 3.2https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/02-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E5%91%A8%E5%BF%97%E5%8D%8E/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/02-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0-%E5%91%A8%E5%BF%97%E5%8D%8E/第 1 章 绪论 1.1 引言 机器学习所研究的主要内容，是关于在计算机上从数据中产生 模型 （model）的算法，即 学习算法 （learning algorithm）。 1.2 基本术语 要进行机器学习，先要有数据，比如： 色泽 根蒂 敲声 青绿 蜷缩 浊响 乌黑 稍蜷 沉闷 浅白 硬挺 清脆 这组记录的集合称为 数据集 （datahttps://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/03-%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95-%E6%9D%8E%E8%88%AA/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/03-%E7%BB%9F%E8%AE%A1%E5%AD%A6%E4%B9%A0%E6%96%B9%E6%B3%95-%E6%9D%8E%E8%88%AA/第 1 章 统计学习方法概论 1.1 统计学习 1.2 监督学习 1.2.1 基本概念 1.2.2 问题的形式化 1.3 统计学习三要素 1.3.1 模型 1.3.2 策略 1.3.3 算法 1.4 模型评估与模型选择 1.4.1 训练误差与测试误差 1.4.2 过拟合与模型模型选择 1.5 正则化与交叉验证 1.5.1 正则化 1.5.https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/04-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98-peter-harrington/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/04-%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E5%AE%9E%E6%88%98-peter-harrington/第一部分 分类 第1章 机器学习基础 1.1 何谓机器学习 1.1.1 传感器和海量数据 1.1.2 机器学习非常重要 1.2 关键术语 1.3 机器学习的主要任务 1.4 如何选择合适的算法 1.5 开发机器学习应用程序的步骤 1.6 Python语言的优势 1.6.1 可执行伪代码 1.6.2 Python比较流行 1.6.3 Pythttps://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/05-pattern-recognition-and-machine-learning-christopher-bishop/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/05-pattern-recognition-and-machine-learning-christopher-bishop/1 Introduction 1 1.1 Example: Polynomial Curve Fitting . . . . . . . . . . . . . . . . . 4 1.2 Probability Theory . . . . . . . . . . . . . . . . . . . . . . . . . . 12 1https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/%E4%B9%A6%E5%8D%95/Wed, 08 Jul 2026 07:33:44 +0000https://www.colommar.asia/ml-notes/%E5%85%B6%E4%BB%96%E8%B5%84%E6%96%99/%E4%B9%A6%E7%B1%8D/%E4%B9%A6%E5%8D%95/原知识库中的待补充条目。