本博客系列文章导航

机器学习基础系列文章

• 机器学习基础引入
• 机器学习算法的分类
• 生成模型和判别模型
• 从感知机模型说起
• 理解为什么机器可以学习——PAC学习模型
• 理解为什么机器可以学习——Hoeffding不等式
• 理解为什么机器可以学习——VC理论
• VC维与模型复杂度、样本复杂度
• 噪声与误差
• 线性回归基础
• Logistic回归基础
• 将回归模型用于分类问题
• 非线性变换
• 过拟合
• 验证
• 机器学习中的三个技巧原则
• 线性可分支持向量机
• 对偶支持向量机
• 核支持向量机
• 软间隔支持向量机
• 核逻辑回归
• 支持向量回归
• 混合和装袋
• 自适应提升
• 决策树算法
• 随机森林算法
• 梯度提升决策树

---

机器学习的数学背景系列文章

• 从西格玛代数、测度空间到随机变量
• 广义逆高斯分布及其特例
• 比例混合分布
• 贝叶斯概念学习
• 贝叶斯框架下二元离散随机变量的概率分布
• …

---

机器学习实验系列文章

有关Python的科学计算和机器学习库的使用和学习实例，请参考我的github项目pyDataScienceToolkits_Base，喜欢就给我star哦！

• 用Python进行机器学习实验
• 学习Python来分类现实世界的数据
• 概率编程及贝叶斯方法
• scikit-learn的主要模块和基本使用
• 用随机森林分类算法解决Biologial Response问题
• 使用朴素贝叶斯进行文本的分类
• scikit-learn的线性回归模型
• 如何进行模型参数的选择
• 交叉验证及其用于参数选择、模型选择、特征选择的例子
• 网格搜索来进行高效的参数调优
• 评估分类器性能的度量，像混淆矩阵、ROC、AUC等

---

相似性检索算法系列文章

• LSH算法框架分析
• p稳定分布LSH算法
• Multi-Probe LSH——构建高维相似性搜索的高效索引
• Multi-Probe LSH算法深入

---

计算机视觉系列文章

• OpenCV中直方图处理函数简述
• 借助图像直方图来检测特定物——MeanShift、CamShift算法
• 基于Kalman滤波器的进行物体的跟踪
• LBP纹理特征
• 对检测的人脸进行剪切和归一化
• OpenCV人脸识别facerec源码分析1——FaceRecognizer概述
• OpenCV人脸识别facerec源码分析2——LBPH概述
• OpenCV的最近邻开源库FLANN
• 提取视频中的前景物体
• …