计算广告与机器学习－技术共享平台

转载自：http://www.52caml.com/home/

计算广告与机器学习（英文：Computational Advertising and Machine Learning；简称CAML）

大家好，欢迎来到CAML技术共享平台！猴年到，祝大家春节愉快，万事如意！！！

CAML平台致力于整理和分享互联网广告领域的核心问题和解决方案。作者水平有限，期望能与对此话题感兴趣的朋友一起学习、交流和分享。

众所周知，机器学习是一门交叉性很强的学科，而我们这里主要探讨的是如何利用机器学习这把利器，有效地解决在线广告领域中的学习问题，最终达到通过learning from data提升数据价值和流量变现效率。

《深入浅出ML》10大家族系列笔记

工作之余整理的《深入浅出ML》系列笔记，主要从模型的角度按照“Family”（伐木累）的形式，整理出机器学习10大家族。希望大家review！！！

不够全面，但囊括了经典和主要的学习方法。近日上传才发现，线下传到线上需要做一些格式上的调整，目前仅有第01章和第06章更新完成。

• 第01章：深入浅出ML之Regression家族

  线性回归；Ridge；Lasso；Logistic回归；…

• 第02章：深入浅出ML之Entropy Methods家族

  熵的概念（信息熵、条件熵、联合熵、相对熵、互信息）；最大熵模型；

• 第03章：深入浅出ML之Based Tree家族

  感知机；ID3; CART等

• 第04章：深入浅出ML之Kernel Methods家族

  SVM, Kernel Methods

• 第05章：深入浅出ML之Bayes家族

  高斯判别分析；朴素贝叶斯；贝叶斯网络；概率图模型；

• 第06章：深入浅出ML之Boosting家族

  加法模型； AdaBoost; L2Boosting; Boosted Decision Tree; Gradient Boosting;

• 第07章：深入浅出ML之统计学习理论

  空间；PAC；VC维；学习准则；模型选择；泛化能力；

• 第08章：深入浅出ML之Markov家族

  隐马尔可夫模型；条件随机场；

• 第09章：深入浅出ML之Factorization家族

  SVD; PCA; 非负矩阵分解；Tensor分解; 因子分解机；

• 第10章：深入浅出ML之Clusting家族

  EM算法；高斯混合模型；K-means等

Next …

下一步会上传分布式机器学习DMLC系列中XGBoost 、Rabit、dmlc-core等开源工具背后的算法、并行系统和应用等.

注：该话题归档到《大规模机器学习》系列