Machine Learning机器学习

原文链接： Machine Learning机器学习

scutan90/DeepLearning-500-questions: 深度学习500问，以问答形式对常用的概率知识、线性代数、机器学习、深度学习、计算机视觉等热点问题进行阐述，以帮助自己及有需要的读者。 全书分为18个章节，50余万字。由于水平有限，书中不妥之处恳请广大读者批评指正。 未完待续............ 如有意合作，联系scutjy2015@163.com 版权所有，违权必究 Tan 2018.06

LinXueyuanStdio/notes: 机器学习笔记 Notes for Machine Learning
Naive Bayes
现在tensorflow和mxnet很火，是否还有必要学习scikit-learn等框架

机器学习 sklearn
深度学习 keras tensorflow pytorch
小数据量
机器学习 - 小数据 : 用 pandas+sklearn
深度学习 - 小数据 : 验证用pandas+keras，
大数据量
机器学习 - 大数据 : 清理用Hadoop生态的工具，很多。
深度学习 - 大数据 : 模型深度tf，传统的自己实现或者SparkML

数据降维

降维方法可分为有监督降维方法、半监督降维方法、无监督降维方法。

有监督的降维方法有：
线性判别式分析（Linear discriminant analysis, LDA）; 边缘Fisher分析（Marginal fisher analysis，MFA）;最大边缘准则（Maximum margin criterion, MMC）等。

无监督的降维方法有：
主成分分析（Principal component analysis, PCA）, 近邻保持投影（Neighborhood preserving embedding, NPE)，局部保持投影（Locality preserving projections, LPP），稀疏保持投影（SPP）等。

半监督的降维方法有：
半监督降维（Semi-supervised dimensionality reduction, SSDR）, 半监督判别式分析（Semi-supervised discriminant analysis，SDA）等。