请点击上面公众号，免费订阅。
《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！
01
—
您能学到什么
交流思想，分享知识，共同进步，找到一个迈入机器学习大门的系统学习思路，并在这条道路上不断攀登，成为人工智能领域的顶尖人才，这是小编创办本公众号的初衷。
本公众号会系统地推送算法及机器学习相关的全栈内容，包括但不限于：经典算法，LeetCode题目分析，机器学习数据预处理，算法原理，例子解析，部分重要算法的不掉包源码实现，并且带有实战分析，包括使用 开源库和框架：Python， Numpy，Pandas，Matplotlib，Sklearn，Tensorflow等工具辅助我们解决问题，最后如何评价我们的模型，这一套完整的思路。
下面梳理下已经推送的消息，帮助大家更好地使用本公众号，限于小编的知识水平，难免对某些算法的理解有偏差，希望各位小伙伴不吝赐教，谢谢大家的包容！
02
—
算法思想
重温那些经典的计算机算法思想，为之后构建知识大厦打下坚实的基础。目前已经推送的：
2.1 常用排序算法实例分析
2.2 深度搜索
2.3 动态规划
03
—
机器学习储备
机器学习是一门交叉学科，通常要具备高等数学，计算理论，线性代数，概率论与数理统计，Python语言，以及常用的开源库（三大库：numpy,pandas,matplotlib），sklean库，tensorflow深度学习框架等，下面列出已经推送的相关文章：
机器学习储备（1）：概率，期望，方差，标准差，协方差和相关系数
机器学习储备（8）：numpy之linspace 和 logspace
机器学习储备（10）：numpy之RandomState() 和 axis
04
—
数据预处理算法
05
—
回归算法
机器学习之线性回归：OLS 无偏估计及相关性python分析
06
—
分类算法
6.1 有监督类（分类）
6.1.1 逻辑回归
6.1.2 决策树
6.1.3 贝叶斯分类
6.2 无监督类（聚类）
6.2.1 高斯混合
6.3 python代码算法实战
正在扩展......，将推送的消息定期汇总到这篇文章中，欢迎您的阅读和指正。
请记住：每天一小步，日积月累一大步！
《实例》阐述算法，通俗易懂，助您对算法的理解达到一个新高度。包含但不限于：经典算法，机器学习，深度学习，LeetCode 题解，Kaggle 实战。期待您的到来！
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
