机器学习

• 1. 逻辑回归
  • 1.1. 基本假设
  • 1.2. 求解方法
  • 1.3. 优缺点
  • 1.4. 解析
  • 1.5. 参考资料
• 2. 支持向量机
  • 2.1. 最大间隔划分超平面
  • 2.2. 软间隔
  • 2.3. 核函数
  • 2.4. 多分类
  • 2.5. SVM库
  • 2.6. 优缺点
  • 2.7. 解析
  • 2.8. SVM 与 LR 的异同
  • 2.9. 参考资料
• 3. 主成分分析
  • 3.1. 优化目标
  • 3.2. 推导
  • 3.3. 求解
  • 3.4. PCA-Whitening
  • 3.5. SVD分解
  • 3.6. 参考资料
• 4. 常用矩阵求导公式
  • 4.1. 一阶
  • 4.2. 二阶
  • 4.3. 迹
  • 4.4. 参考资料
• 5. 牛顿方法
  • 5.1. 一维
  • 5.2. 高维
  • 5.3. 收敛问题
  • 5.4. 应用
  • 5.5. 参考资料
• 6. ROC 曲线和 AUC
  • 6.1. 基本概念
  • 6.2. AUC
  • 6.3. 参考资料
• 7. DBSCAN
  • 7.1. 概念
  • 7.2. 聚类思想
  • 7.3. 算法流程
  • 7.4. 参考资料