大家好，這里是好評筆記，公主 號：Goodnote，專欄文章私信限時Free。本筆記的任務是解讀機器學習實踐/面試過程中可能會用到的知識點，內(nèi)容通俗易懂，入門、實習和校招輕松搞定。

公主號合集地址

點擊進入優(yōu)惠地址：機器學習筆記合集

筆記介紹

本筆記的任務是解讀機器學習實踐/面試過程中可能會用到的知識點，內(nèi)容通俗易懂，入門、實習和校招輕松搞定。涵蓋機器學習八股文和常用算法，包括機器學習基礎(chǔ)知識、感知機（Perceptron）、多層感知機（MLP, Multi-Layer Perceptron）、支持向量機（SVM, Support Vector Machine）、K 最近鄰（KNN, K-Nearest Neighbors）、樸素貝葉斯（Naive Bayes）、決策樹（Decision Tree）、隨機森林（Random Forest）、Bagging、Boosting、GBDT、XGBoost、LightGBM、K 均值聚類（K-means Clustering）、高斯混合模型（GMM）、降維算法等。

其他

本筆記基本更新完畢，會不定期更新一些補充內(nèi)容。歡迎大家訂閱，公 主 號回復“專欄試讀”或點擊菜單欄的“專欄試讀”私信我，任選2篇免費試讀。

合集目錄

本系列其他相關(guān)筆記參考如下：

1. 🔥免費試讀🔥機器學習筆記——損失函數(shù)、代價函數(shù)和KL散度
2. 🔥免費試讀🔥機器學習筆記——特征工程、正則化、強化學習
3. 機器學習筆記——30種常見機器學習算法簡要匯總
4. 機器學習筆記——感知機、多層感知機(MLP)、支持向量機(SVM)
5. 機器學習筆記——KNN（K-Nearest Neighbors，K 近鄰算法）
6. 機器學習筆記——樸素貝葉斯算法
7. 機器學習筆記——決策樹
8. 機器學習筆記——集成學習、Bagging（隨機森林）、Boosting（AdaBoost、GBDT、XGBoost、LightGBM）、Stacking
9. 機器學習筆記——Boosting中常用算法（GBDT、XGBoost、LightGBM）迭代路徑
10. 機器學習筆記——聚類算法（Kmeans、GMM-使用EM優(yōu)化）
11. 機器學習筆記——降維