黑马程序员
机器学习（算法篇2）
1.
朴素贝叶斯
1.1.
朴素贝叶斯算法简介
1.2.
概率基础复习
1.3.
案例：商品评论情感分析
1.4.
朴素贝叶斯算法总结
2.
支持向量机
2.1.
SVM算法简介
2.2.
SVM算法api初步使用
2.3.
SVM算法原理
2.4.
SVM的损失函数
2.5.
SVM的核方法
2.6.
SVM回归
2.7.
SVM算法api再介绍
2.8.
案例：数字识别器
2.9.
SVM总结
3.
EM算法
3.1.
初识EM算法
3.2.
EM算法介绍
3.3.
EM算法实例
4.
HMM模型
4.1.
马尔科夫链
4.2.
HMM简介
4.3.
HMM模型基础
4.4.
前向后向算法评估观察序列概率
4.5.
维特比算法解码隐藏状态
4.6.
鲍姆-韦尔奇算法简介
4.7.
HMM模型api介绍
5.
集成学习进阶
5.1.
XGBoost算法原理
5.2.
XGBoost算法api介绍
5.3.
XGBoost案例介绍
5.4.
XGBoost-OTTO案例
5.5.
LightGBM
5.6.
LightGBM算法api介绍
5.7.
LightGBM案例介绍
5.8.
案例：《绝地求生》玩家排名预测
6.
拓展知识
6.1.
向量与矩阵的范数
6.2.
拉格朗日乘子法
6.3.
极大似然函数取对数原因
本书使用 GitBook 发布
传智播客-人工智能学院