机器学习-目录

• 机器学习-泛化能力的评价指标

• 机器学习-感知机

• 机器学习-k 近邻法

• 机器学习-朴素贝叶斯法

• 机器学习-逻辑回归

• 机器学习-最大熵模型

• 机器学习-主成分分析（PCA）

• 机器学习-决策树

1. 决策树-ID3、C4.5

2. 决策树-CART 分类树

3. 决策树-CART 回归树

4. 决策树后剪枝

• 机器学习-支持向量机

1. 支持向量机-线性可分支持向量机

2. 支持向量机-线性支持向量机

3. 支持向量机-非线性支持向量机与核函数

4. 支持向量机- SMO 算法

• 机器学习-集成学习

1. 集成学习

2. 随机森林

3. AdaBoost 算法

4. 提升树

5. 梯度提升树（GBDT）

6. XGBoost

• 机器学习-聚类

1. K 均值聚类

2. 密度聚类

附录

机器学习-偏差与方差

机器学习-线性回归

机器学习-Ridge、Lasso、ElasticNet 回归

机器学习-梯度下降法

机器学习-拉格朗日法、KKT 条件

机器学习-拉格朗日对偶性

机器学习-指数加权移动平均法（EWMA）

机器学习-Apriori 算法

机器学习-坐标轴下降法与最小角回归法