参考资料 #
目前手头的学习资料有：
- 程序员的数学 1/2/3，有必要先看看。
- 集体智慧编程，可以。
- 图解深度学习，还可以。
- 图解机器学习，上来就很多公式和数学概念，可能不适合入门。
- 微信阅读和得到电子书上面一众资料。
- 白话机器学习的数学
- 机器学习数学基础
数学基础 #
主要是线性代数、概率论、统计学相关的，这里只简单列一下基本概念。
向量 #
- 行向量
- 列向量
- 转置符号
T
支持四则运算方法
标量 #
机器学习概念 #
模型和模式 #
模型，全局性结果（例如一棵决策树）；模式，局部性结果（例如一条规则）。
监督学习 #
回归 #
分类 #
标记问题 #
无监督学习 #
聚类 #
强化学习 #
模型 #
参数模型 #
常见的参数机器学习模型又：
- 逻辑回归
- 线性成分分析
- 感知机
非参数模型 #
常见的非参数机器学习模型有：
- 决策树
- 朴素贝叶斯
- 支持向量机
- 神经网络