动手学习 ML
- 动手学机器学习 KNN 算法: 配套代码
- 动手学机器学习决策树算法: 配套代码
- 动手学机器学习逻辑回归算法: 配套代码
- 动手学机器学习线性回归算法: 配套代码
- 动手学机器学习支持向量机算法: 配套代码
- 动手学机器学习朴素贝叶斯算法: 配套代码
- 动手学机器学习随机森林算法: 配套代码
- 动手学机器学习 Kmeans 聚类算法: 配套代码
- 动手学机器学习层次聚类算法
- 动手学机器学习：DBSCAN 密度聚类算法
- 一文深入了解机器学习之集成学习
- 最大似然估计（MLE）简介.md
- 一文了解 EM 算法
- 一文了解 GMM 算法
Kaggle Titanic jupyter notebook
- 第2章 机器学习的数学基础
- 第3章 k近邻算法
- 第4章 线性回归
- 第5章 机器学习的基本思想
- 第6章 逻辑斯谛回归
- 第7章 双线性模型
- 第8章 神经网络与多层感知机
- 第9章 卷积神经网络
- 第10章 循环神经网络
- 第11章 支持向量机
- 第12章 决策树
- 第13章 集成学习与梯度提升决策树
- 第14章 k均值聚类
- 第15章 主成分分析
- 第16章 概率图模型
- 第17章 EM算法
- 第18章 自动编码器
目录 sjtu-hands-on-ml 包含了课件和课后习题。