机器学习算法笔记

github.com/weixr18/MLAN/

这份笔记收录了39个机器学习模型的66个算法.非概率方法部分囊括了分类/回归/聚类/降维四大任务，既包括经典的线性回归、SVM、PCA等，也包括偏冷门但理论上非常漂亮的LE、谱聚类等。概率方法部分既系统地介绍了概率机器学习的最大似然、ELBO等基本思想，也对GMM/概率线性回归/高斯过程回归等常用算法做了推导。此外还较为全面地推导了一些概率图模型，如RBM/CRF/HMM等的推理和学习算法。全书分为12章，总计140多页，公式700余行，字数35000余字，耗时40余天写成初版。

本书是一本机器学习算法理论推导的笔记，不是机器学习教科书，不是机器学习编程指导书，不是机器学

习调参指导书，也不能替代课程教材和课件。本书不会包括任何编程语言的算法实现，只罗列各类算法的核心步骤及其推导。本书不是入门书籍，适合有一定机器学习基础的读者阅读。