Fork me on GitHub

机器学习深度学习路径

  • 回归算法
    • 线性回归
    • 逻辑回归
    • 多元自适应回归(MARS)
    • 本地散点平滑估计(LOESS)
  • 基于实例的学习算法
    • K - 邻近算法(kNN)
    • 学习矢量化(LVQ)
    • 自组织映射算法(SOM)
    • 局部加权学习算法(LWL)
  • 正则化算法
    • 岭回归(Ridge Regression)
    • LASSO(Least Absolute Shrinkage and Selection Operator)
    • Elastic Net
    • 最小角回归(LARS)
  • 决策树算法
    • 分类和回归树(CART)
      • 分类:基尼指数
      • 回归:最小平方差
      • 离散+连续数据
    • ID3 算法 (Iterative Dichotomiser 3)
      • 最大信息增益
      • 分类
      • 离散数据
    • C4.5 和 C5.0
      • 最大信息增益率
      • 分类
      • 离散+连续数据
    • CHAID(Chi-squared Automatic Interaction Detection()
    • 随机森林(Random Forest)
    • 多元自适应回归样条(MARS)
    • 梯度推进机(Gradient Boosting Machine, GBM)
  • 贝叶斯算法
    • 朴素贝叶斯
    • 高斯朴素贝叶斯
    • 多项式朴素贝叶斯
    • AODE(Averaged One-Dependence Estimators)
    • 贝叶斯网络(Bayesian Belief Network)
  • 基于核的算法
    • 支持向量机(SVM)
      • 函数间隔,几何间隔,软间隔
      • 拉格朗日函数,对偶问题,KKT
      • SMO,核函数
    • 径向基函数(Radial Basis Function ,RBF)
    • 线性判别分析(Linear Discriminate Analysis ,LDA)
  • 聚类算法
    • K - 均值
      • KmeansKmeans++,二分kemans
    • K - 中位数
    • EM 算法
    • 分层聚类
  • 关联规则学习
    • Apriori 算法
    • Eclat 算法
  • 神经网络
    • 感知器
    • 反向传播算法(BP)
    • Hopfield 网络
    • 径向基函数网络(RBFN)
  • 深度学习
    • 深度玻尔兹曼机(DBM)
    • 卷积神经网络(CNN)
    • 递归神经网络(RNN、LSTM)
    • 栈式自编码算法(Stacked Auto-Encoder)
  • 降维算法
    • 主成分分析法(PCA)
    • 主成分回归(PCR)
    • 偏最小二乘回归(PLSR)
    • 萨蒙映射
    • 多维尺度分析法(MDS)
    • 投影寻踪法(PP)
    • 线性判别分析法(LDA)
    • 混合判别分析法(MDA)
    • 二次判别分析法(QDA)
    • 灵活判别分析法(Flexible Discriminant Analysis,FDA
  • 集成算法
    • Boosting
    • Bagging
    • AdaBoost
    • 堆叠泛化(混合)
    • GBM 算法
    • GBRT 算法
    • 随机森林
  • 其他算法
    • 特征选择算法
    • 性能评估算法
    • 自然语言处理
    • 计算机视觉
    • 推荐系统
    • 强化学习
    • 迁移学习
0%