机器学习入门-01

一、频率派与贝叶斯派介绍

1.频率派

频率派发展为统计机器学习

书籍：《统计学习方法》李航——可以进行学习讲的是感知机、k近邻法、朴素贝叶斯法、决策树、逻辑回归、支持向量机、提升方法、EM算法、隐马尔可夫模型、条件随机场、《机器学习》西瓜书周志华、《The Elements of Statistical Learning》

2.贝叶斯派

贝叶斯派发展为概率图模型。

书籍：《PRML模式识别与机器学习》、《MALTAB app designer》

深度学习：《Deep Learning》圣经（张志华翻译）

推荐课程：

台大林轩田《机器学习基石》（SVM讲的比较好）

台大林宏毅《机器学习/深度学习》(cnn rnn)《MLDS》(优化算法、自然语言算法)

《机器学习导论》（概率派）、《统计机器学习》（贝叶斯派）张志华

吴恩达CS229（有深度）

徐亦达《机器学习》（讲EM模型等概率模型、github当中的Notes较为前沿全面）