机器学习：42篇林轩田老师ML基石+技法笔记汇总

本博客中的相关博文：
林轩田老师机器学习基石16篇笔记，机器学习技法16篇笔记，阿里云大学机器学习笔记6篇。

---

机器学习基石

更新时间	笔记内容	课程作业
2020.03.06	机器学习基石01：机器学习简介
2020.03.08	机器学习基石02：感知器算法（Perceptron Algorithm）
2020.03.09	机器学习基石03：机器学习的类型（Types of ML）
2020.03.09	机器学习基石04：机器学习的可行性（Feasibility of ML）	作业1：PLA算法和Pocket算法实现
2020.03.10	机器学习基石05：训练与测试（Training versus Testing）
2020.03.11	机器学习基石06：泛化理论（Theory of Generalization）
2020.03.12	机器学习基石07：VC维（The VC Dimension）
2020.03.18	机器学习基石08：噪声和误差（Noise and Error）	作业2：Growth Function、VC Dimention、Decision Stump
2020.04.15	机器学习基石09：线性回归（Linear Regression）
2020.04.16	机器学习基石10：逻辑回归（Logistic Regression）
2020.04.16	机器学习基石11：线性模型分类（Linear Models for Classification）
2020.04.17	机器学习基石12：非线性变换（Nonlinear Transformation）	作业03：二阶泰勒展开，特征转换，逻辑回归
2020.04.18	机器学习基石13：过拟合风险（Hazard of Overfitting）
2020.04.18	机器学习基石14：正则化（Regularization）
2020.04.19	机器学习基石15：交叉验证（Cross Validation）
2020.04.19	机器学习基石16：三个重要原则（Three Learning Principles）	作业04：交叉验证，正则化线性回归

---

机器学习技法

更新日期	课程内容	课程作业
2020.04.28	机器学习技法01：线性支持向量机（Linear Support Vector Machine）
2020.04.29	机器学习技法02：对偶支持向量机（Dual Support Vector Machine）
2020.04.30	机器学习技法03：Kernel支持向量机（Kernel Support Vector Machine）
2020.05.03	机器学习技法04：软边界支持向量机（Soft-Margin Support Vector Machine）	作业5
2020.05.06	机器学习技法05：Kernel 逻辑回归（Kernel Logistic Regression）
2020.05.06	机器学习技法06：支持向量回归（Support Vector Regression）
2020.05.07	机器学习技法07：Blending and Bagging
2020.05.08	机器学习技法08：AdaBoost（Adaptive Boosting）	作业6
2020.05.24	机器学习技法09：决策树（Decision Tree）
2020.05.24	机器学习技法10：随机森林（Random Forest）
2020.05.25	机器学习技法11：梯度增强决策树（Gradient Boosted Decision Tree）
2020.05.25	机器学习技法12：神经网络（Neural Network）	作业7
2020.05.26	机器学习技法13：深度学习（Deep Learning）
2020.05.26	机器学习技法14：径向基函数网络（Radial Basis Function Network）
2020.05.27	机器学习技法15：矩阵分解（Matrix Factorization）
2020.05.27	机器学习技法16：机器学习算法总结	作业8

---

阿里云大学机器学习

更新时间	笔记内容
2020.03.23	机器学习算法详解 01 – 机器学习简介
2020.03.23	机器学习算法详解 02 – 线性回归
2020.03.23	机器学习算法详解 03 – 回归模型诊断与优化
2020.03.24	机器学习算法详解 04 – 逻辑回归
2020.03.24	机器学习算法详解 05 – 支持向量机
2020.03.25	机器学习算法详解 06 – 贝叶斯方法

---

林轩田老师在油管视频评论区留言推荐在Coursera观看机器学习技法课程。
Coursera课程链接：点击此处

---