本文主要是介绍数学/ML/DL文章索引（2020.9.20更新），希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
西瓜书
1.绪论
2.模型评估与选择
3.线性模型
4.决策树
5.神经网络
6.svm
7.贝叶斯分类器
8.集成学习
9.聚类
10.降维与度量学习
11.特征选择与稀疏学习
12.计算学习理论
13.半监督学习
14.概率图
15.规则学习
16.强化学习
统计学习方法
5.决策树
6.逻辑回归与最大熵
7.支持向量机
8.提升方法
9.EM
10.隐马尔可夫
11.条件随机场
12.监督学习总结
13.无监督学习概论
14.聚类方法
15.奇异值分解
16.主成分分析
17.潜在语义分析
18.概率潜在语义分析
19.马尔科夫链蒙特卡洛
20.潜在狄利克雷
21.PageRank
22.无监督学习总结
A.梯度下降
B.牛顿法和拟牛顿
C.拉格朗日对偶性
D.矩阵基本子空间
E.KL散度
机器学习实战
2.k近邻
3.决策树
4.贝叶斯
5.逻辑回归
6.svm
7.adaboost
8.回归
9.树回归
10.kmeans
11.apriori
12.fp-growth
13.pca
14.svd
15.map-reduce
白板推导
(系列二) 数学基础-概率
(系列三) 线性回归
(系列四) 线性分类
(系列五) 降维
(系列六) 支持向量机
(系列七) 核方法
(系列八) 指数族分布
(系列九) 概率图模型
(系列十) EM算法
(系列十一) 高斯混合模型
(系列十二) 变分推断
(系列十三) MCMC
(系列十四) 隐马尔可夫模型
(系列十五) 线性动态系统
(系列十六) 粒子滤波
(系列十七) 条件随机场
(系列十八) 高斯网络
(系列十九) 贝叶斯线性回归
(系列二十) 高斯过程回归
(系列二十一) 受限玻尔兹曼机
(系列二十二) 谱聚类
(系列二十三) 前馈神经网络
神经网络与深度学习-邱锡鹏
第 4 章 前馈神经网络
分布式机器学习：算法、理论与实践
第3章 分布式机器学习框架
pytorch
pytorch第一周
这篇关于数学/ML/DL文章索引（2020.9.20更新）的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
