1.降维 PCA相关矩阵(无监督!)t-SNE、t-SNEMDS、MDSLLE、LLE、LLELDAICA、ICA、ICALE、LE常用降维方法 2.异常检测 LOF、LOF、LOF、LOF决策树、决策树、决策树、决策树、决策树、决策树、基尼不纯度、基尼杂质、实现代码、实现代码单类支持向量机异常检测总结隔离森林 3.分类 支持向量数据描述(SVDD)、SVM推导、REF-SVM决策树信息论、西瓜书-决策树 4.聚类 DBSCAN、DBSCAN、绘图密度聚类、Density Peak Clustering(DPCluster)、DPCluster 5.网络 贝叶斯网络、贝叶斯网络 5.深度学习 迁移学习 6.数据集生成 环形和半环形线性 7.采样 SMOTE、SMOTE、SMOTE相关超拉丁立方采样 8.保存模型 sklearn保存模型文件 9.特征选取 Fish Score、互信息、互信息、互信息、皮尔逊相关系数AUC、kappa系数前向、后向、双向特征选择 10.距离 欧式绝对闵氏距离公式、四种距离介绍 11.数据分析处理 归因分析、处理缺失值KL散度(相对熵)核、随机傅里叶特征方法RFF集中式分布式数据库特征选择、常用特征选择判别模型和生成模型 12.绘图 每个点打上标签 13.回归 PLS偏最小二乘回归、pls、岭回归、最小二乘法多项式曲线拟合 stacking 多项式回归、广义加性、广义加性 高斯过程回归、克里金(Kriging)模型详细推导 贝叶斯回归 13.优化 梯度下降牛顿法、拟牛顿法Hyperband、超参数优化方法类别 14.评分 交叉验证 15.数学 分数阶导数简介