機器學習-積累與發現
機器學習基礎(Mechine Learning)
模型相關
機器學習：準確率(Precision)、召回率(Recall)、F值(F-Measure)、ROC曲線、PR曲線
ROC曲線-閾值評價標準
理解 Bias 與 Variance 之間的權衡
var是不同訓練模型之間的差別，好比K-fold之中，如果不同模型之間差別很大（var大），也就是說他們都和自己的訓練集與其他訓練集不接近，所以，不同模型之間var很大->他們就都不是truth；而如果bias很大，不用細講，那他們更不是truth
Stanford機器學習—第六講. 怎樣選擇機器學習方法、系統
Bias-Variance Tradeoff（權衡偏差與方差）
生成模型與判別模型
判別模型(Discriminative model)和生成模型(Generative model)
最大熵模型原理小結
Instance Based Learning
淺談流形學習
什麼是Grid Search 網格搜尋？
樣本處理
訓練集、測試集和驗證集
離群點（孤立點、異常值）檢測方法
機器學習 —— 類不平衡問題與SMOTE過取樣演算法
特徵工程
特徵工程到底是什麼？ - 城東的回答 - 知乎
機器學習中的特徵——特徵選擇的方法以及注意點
奇異值分解（SVD）原理
特徵降維-PCA（Principal Component Analysis）
PCA 降維演算法詳解 以及程式碼示例
區域性線性嵌入(LLE)原理總結
有監督學習(Supervised Learning)
最近鄰
機器學習之KNN演算法
最近鄰查詢演算法kd-tree
詳解KDTree
Scikit-learn：最近鄰搜尋sklearn.neighbors與ball tree
《機器學習實戰》學習筆記——第2章 KNN
用balltree找某個目標點target的所屬的時候，我猜應該是從上往下依次比較target點距離左球與右球的球心的距離，距離哪個球心更近，就走哪條路徑
Logistics
Logistic迴歸原理及公式推導
嶺迴歸和lasso—迴歸的拓展
多重共線性的解決方法之——嶺迴歸與LASSO
Softmax
SVM
支援向量機SVM（一）
支援向量機SVM（二）
SMO優化演算法（Sequential minimal optimization）
深入理解拉格朗日乘子法（Lagrange Multiplier) 和KKT條件
支援向量機通俗導論（理解SVM的三層境界）
支援向量機(SVM)的特點與不足
多核學習
從 SVM 到多核學習 MKL
特徵提取-特徵後期融合-多核學習方法（MKL）
貝葉斯方法
演算法雜貨鋪——分類演算法之樸素貝葉斯分類(Naive Bayesian classification)
從貝葉斯方法談到貝葉斯網路
概率圖模型之：貝葉斯網路
樸素貝葉斯演算法原理小結
超細緻的貝葉斯決策論
從決策樹學習談到貝葉斯分類演算法、EM、HMM
決策樹
決策樹演算法原理(上)
決策樹演算法原理(下)
scikit-learn決策樹演算法類庫使用小結
決策樹與隨機森林
決策樹系列（五）——CART
CART 分類與迴歸樹
整合學習
整合學習原理小結
Bagging和Boosting 概念及區別
Bagging與隨機森林演算法原理小結
[Machine Learning & Algorithm] 隨機森林（Random Forest）
提升方法之AdaBoost、提升樹（GBDT）
整合學習之Adaboost演算法原理小結
梯度提升樹(GBDT)原理小結
在GBDT迴歸的時候，每一個新的弱分類器的葉子節點個數可能都不一樣，GBDT迴歸的靈魂在於每個葉子節點的值的選擇
多元GBDT分類的每個fk(x)代表的是針對“是第k類樣本”和“不是第k類樣本”的分類模型
一步一步理解GB、GBDT、xgboost
xgboost原理及應用–轉
Complete Guide to Parameter Tuning in XGBoost (with codes in Python)
綜合
無監督學習(Unsupervised Learning)
K-Means
Canopy Clustering
Canopy演算法聚類
演算法雜貨鋪——k均值聚類(K-means)
基本Kmeans演算法介紹及其實現(距離的度量)
K-means與K-means++
DBSCAN
聚類方法：DBSCAN演算法研究（1）–DBSCAN原理、流程、引數設定、優缺點以及演算法
5.無監督學習-DBSCAN聚類演算法及應用
DBSCAN密度聚類演算法
LOF
EM演算法
EM演算法（Expectation Maximization Algorithm）詳解
簡單易學的機器學習演算法——EM演算法
頻繁模式
頻繁模式挖掘 Apriori
資料探勘十大演算法之Apriori詳解
FP Tree演算法原理總結
推薦演算法
增強學習(Reinforcement Learning)
增強學習基礎
強化學習系列（上）：關於強化學習，你需要知道的重要知識點
強化學習系列（下）：貝爾曼方程
強化學習（Reinforcement Learning, RL）初步介紹
強化學習學習筆記——介紹強化學習(reinforcement learning)
Deep Reinforcement Learning 基礎知識
強化學習學習筆記列表
增強學習Reinforcement Learning經典演算法梳理1：policy and value iteration
多臂賭博機
從Multi-arm Bandits問題分析 - RL進階
多臂賭博機系列
深度學習(Deep Learning)
神經網路基礎
一文看懂25個神經網路模型
感知機（Perceptron）
前饋神經網路與反向傳播演算法（推導過程）
A Step by Step Backpropagation Example
多層感知機：Multi-Layer Perceptron
卷積神經網路(CNN)
深度學習簡介(一)——卷積神經網路
深度學習（四）卷積神經網路入門學習(1)
卷積神經網路
Hopfield神經網路
DL：Hopfield 神經網路
MATLAB神經網路程式設計（九）——Hopfield網路
AutoEncoder
深度學習教程之Autoencoder
深度學習之自編碼器AutoEncoder
玻爾茲曼機
受限玻爾茲曼機RBM最通俗易懂的教程
深度學習教程之受限玻耳茲曼機
深度信念網路
深度信念網路(Deep Belief Network)
深度信念神經網路DBN最通俗易懂的教程
機器學習——DBN深度信念網路詳解
線上學習（On-line learning）
基礎
從不同角度看機器學習的幾種學習方式
使用sklearn進行增量學習
綜合
教程
資料探勘十大演算法
Coursera-機器學習-Andrew NG
Build Intelligent Applications
臺大李巨集毅-線性代數、ML和DL
deeplearning4j
優秀Blog
AI 傳送門（很多深度學習資料、keras入門）
Albert-Lee (代表作：Python爬蟲小白入門)
四去六進一 (代表作：機器學習(周志華西瓜書) 參考答案 總目錄)
龍哥盟飛龍blog(老哥瘋狂翻譯了一堆書和文件)
jerrylead (機器學習經典演算法學習筆記)
摸煩Python（很多原理+Python實踐+B站視訊教程，超強，劃重點）
Pinard部落格（機器學習與資料探勘大神，部落格內容超級豐富，知識點簡單易懂）