感觉这一学期学了挺多各种各样的机器学习方法，好多不经常用都快忘了。把各种方法我觉得讲得比较好的资料记录下来，永久更新。。。
后文提到的主要资料书籍汇总：
Ng CS229：斯坦福Andrew Ng 机器学习课程，网易公开课和coursera 上都有视频；
UFLDL教程：Andrew Ng 深度学习教程：http://deeplearning.stanford.edu/wiki/index.php/UFLDL%E6%95%99%E7%A8%8B
《独立成分分析》：作者：AapoHyvarinen周宗潭译
《模式识别 张学工 第三版》
《模式分类 Duda 第二版》
《机器学习实战》
《统计学习方法 李航 2012年》
《The Elements of Statistical Learning:Data Mining, Inference, and Prediction》2009年第二版，作者：Trevor Hastie，Robert Tibshirani，Jerome Friedman
(这本英文可以好好啃啃）
数据分析与降维方法：
PCA（主成分分析）
核心要点：数据预处理，选取协方差矩阵最大K个特征值，降维同时保留大部分信息。
参考资料：Ng CS229 Part11 PCA；UFLDL教程 PCA部分
进阶：kernel PCA等
白化
核心要点：（1）数据的去相关（PCA中的乘以旋转矩阵已经去相关了）
最低0.47元/天 解锁文章
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
