第一周计划

共5周：

加油！！！！！

8月19日-8月23日的工作：

1. 再全面的复习一遍ML中的算法，主要为线性回归、逻辑回归、朴素贝叶斯、k均值、支持向量机、Adaboosting、决策树（ID3和CART）、EM算法、Apriori算法、PCA和SVD、LDA分类算法、K邻近算法，共12个算法。

需要详细推导的算法或者是掌握原理的关键点为：

1) 信息熵，信息增益

2) 贝叶斯理论，朴素贝叶斯的假设，连乘的下溢的解决方案。

3) Logistic的cost Function的推导，极大似然估计。 梯度下降、上升算法，以及Logistic regression中的参数的更新。如果使用正则来避免overfitting。

4) 函数间隔，几何间隔，最大间隔分类器的推导过程。拉格朗日对偶，kernel。以及SMO的详细过程

5) Adaboosting中的分类器权重，分类错误率，数据集中数据的权重

6) 线性回归的cost Function的推导，以及最小二乘法的推导。梯度下降法更新系数，正则项避免过拟合。

7) CART中模型误差函数，以及overfitting时候的剪枝策略。

8) 距离度量

9) Apriori 中支持度，可信度定义，频繁项集的寻找，如何从频繁项集中找关联规则。Apriori原理。

10) PCA降维技术中的Sigma的推导。

11) 什么是协同过滤，SVD分解

2. 复习常用的算法和数据结构（需要复习4-5种算法）：

1) 概率问题 eg. 蓄水池问题、random生成问题

2) 动态规划问题 eg. 电梯调度、子数组最大和问题（各种变异，二维，首尾相连）、LIS（传统算法与二分加速）、背包问题（01背包，完全背包，混合背包，数组分割、LCS问题（字符串相似度，LCS（子串和子字符串））

3) DFS和BFS问题 eg （电话号码对应的单词，二叉树节点的最大距离，重建二叉树，二叉树的各种遍历，深刻理解剪枝和退出条件，sudo问题)

4) 各种基础的算法（itoa atoi 快拍 堆排序，冒泡 ，希尔 ，kmp, strstr，binary search and so on )

5) 有时间在看一下分治算法。