优秀博文传送门,收集优秀资源
机器学习面试准备
一、机器学习
1.机器学习面试准备之一、线性回归与逻辑回归 2017年1月26日整理
2.机器学习面试准备之二、优化方法 2017年1月28日整理
3.机器学习面试准备之三、决策树与随机森林 2017年1月31日整理
4.支持向量机通俗导论(理解SVM的三层境界) 2017年2月4日拜读
5.从最大似然到EM算法浅解 拜读
6.生成模型与判别模型
7.隐马尔可夫模型(HMM)攻略
8.CRF条件随机场简介
9.PCA的数学原理
10.机器学习常见面试题整理
11.机器学习常见算法个人总结(面试用)
12.机器学习&数据挖掘笔记_16(常见面试之机器学习算法思想简单梳理)
13.AdaBoost–从原理到实现
14.GBDT(MART) 迭代决策树入门教程 | 简介
15.机器学习中防止过拟合的处理方法
16.机器学习中的范数规则化之(一)L0、L1与L2范数
17.机器学习中的范数规则化之(二)核范数与规则项参数选择
18.[转]bootstrps 、bagging与 boosting
19.数据归一化和两种常用的归一化方法
20.