Miracle8070

时间序列数据广泛存在于量化交易， 回归预测等机器学习应用， 是最常见的数据类型。所以这里通过墨尔本十年气温变化预测的任务来整理一个时间序列数据挖掘的模板，方便以后查阅方便。这个模板可以用在大部分的时间序列预测任务，从股票价格波动，到四季气温变化， 从大桥沉降预测，到城市用电预警等。 通过本模板，可以掌握sklearn中常用的工具包以及深度神经网络的搭建Keras，能够学习到处理时间序列的方式，里边还包含了大量的数据可视化的套路。

这是很全的深度学习理论的知识，是最好的自学深度学习的速查文档和速学方式，里面的内容涵盖深度学习的很多领域，从神经网络的基础，到卷积神经，循环神经，LSTM，递归神经网络，从神经网络的优化方式到各种激活函数，batch正则，最后一个Minist手写数字识别实战，希望能够帮到自学深度学习的小伙伴。

这是很全的机器学习理论的知识，是最好的自学机器学习的速查文档和速学方式，里面的内容涵盖机器学习的很多领域，从机器学习面试题集锦，到特征工程，正则等基础知识，到sklearn，spark等分布式，从线性回归，逻辑回归，决策树，朴素贝叶斯，adaboost，xgb，lightgbm，GBDT等主流的监督学习算法，到聚类，pca等非监督学习算法，从推荐系统到关联分析，svd等。最后一个OTO实战。 希望能够帮助到自学机器学习的小伙伴。

这算是一份手册或者是快速学习的一种方式，里面涵盖基本的机器学习和深度学习算法，从基本介绍，到特征工程，从基本的机器学习算法（决策树，贝叶斯，线性回归，支持向量机，KNN，聚合算法，GBDT，xgb，lightbgm等， 无监督算法pca，聚类等）， 到深度学习算法（CNN，RNN）基本上全覆盖。所以有了这一个，能够在应用中快速的查看。希望在自学深度学习和机器学习的路上帮助到大家。

最新版的机器学习和深度学习面试题目，从牛客等各大网站整理剖析，整合整理，共300多道经典题目。 涉及机器学习和深度学习理论和实践等各方面的知识，底层的知识偏多一些！

用sklearn进行特征选择的一些知识整理, 主要包括如何对数据进行归一化，标准化， 对定性数据怎么描述，如何降维，如何进行特征选择，这些其实sklearn包中都封装好了相关的函数，使用的时候，可以直接来用，所以也是一份随时可以查阅的资料。