Summary 机器学习 前言 符号表 监督式学习 感知机 感知机模型 感知机学习算法 算法python实现 Logistic回归 Logistic分布 Logistic回归模型 算法python实现 线性回归 线性回归模型 算法python实现 K近邻法 k近邻模型 kd树方法 kd树python实现 knn实例 朴素贝叶斯法 模型和原理 参数估计 算法和实现 决策树 模型与学习 特征选择 生成算法和剪枝 python实现 支持向量机 神经网络 神经元模型和感知机 神经网络 神经网络的矩阵表达 反向传播算法 算法证明 算法代码 基于矩阵的计算 改进神经网络的学习方法 交叉熵代价函数 softmax regularization 权重初始化 卷积神经网络 基本介绍 数学基础 线性代数 特征值和特征向量 概率统计 随机变量的特征 样本统计量 先验后验概率 微积分 向量内积 方向导数和梯度 梯度下降法 信息论 熵 相对熵和交叉熵 条件熵 互信息