机器学习&深度学习知识体系——写过的博文（博客目录索引）

机器学习&深度学习入门

• 机器学习简介
• 深度学习简介
• 深度学习入门极简教程（一）
• 深度学习入门极简教程（二）
• 深度学习入门极简教程（三）
• Deep Learning Tutorial
• 深度学习领域“四大天王”
• 机器学习常见的优化算法

基本模型

• 机器学习—K-近邻（k-Nearest Neighbor，KNN）算法
• 机器学习—线性回归（Linear Regression）
• 机器学习—线性回归之最小二乘法（Ordinary Least Squares Regression）
• 机器学习—线性回归之梯度下降法（Gradient Descent）
• 机器学习—逻辑回归（Logistic Regression）
• 机器学习—决策数（Decision Tree）ID3算法
• 机器学习—决策树模型 ID3/C4.5/CART三种算法的区别
• 机器学习—随机森林（Random Forest）
• 机器学习—支持向量机（Support Vector Machine，SVM）
• 机器学习—K-均值聚类（K-means）算法
• 机器学习—朴素贝叶斯（Naive Bayes）
• 机器学习—提升和自适应增强（Boosting和AdaBoost）

神经网络

• 神经网络入门
• 一文让你理解什么是卷积神经网络
• 多层感知器
• 卷积神经网络
• 循环神经网络（LSTM）
• 双向循环神经网络（LSTM）
• 动态循环神经网络（LSTM）
• 编码器

TensorFlow入门极简教程

• TensorFlow入门极简教程（一）
• TensorFlow入门极简教程（二）
• TensorFlow入门极简教程（三）：标量Scalar
• TensorFlow入门极简教程（四）：Vector
• TensorFlow入门极简教程（五）：Matrix
• TensorFlow入门极简教程（六）：Norm（范数）
• TensorFlow入门极简教程（七）：训练卷积神经网络并保存模型，加载模型

基础数学

• 概率论与数理统计基础

Python

• Python常用库简介（持续更新）