机器学习笔记

本人学习机器学习的笔记，重点记录对一些概念的简单理解，不会太涉及具体的代码实现以及数学推导。 目前包含的的图书有

• 实用机器学习（Real-World Machine Learning） ISBN 978-7-111-56922-0
• 将随着自己的学习逐步添加

数据处理和数据可视化

• 数据可视化
  • 马赛克图(Mosaic plots)
  • 盒图（Box plots)
  • 密度图（Density plots)
  • 散点图（Scatter plots)
• 数据预处理
  • 缺失数据处理

特征

• 特征选择
  • 平衡特征集数量的实用方法
  • 前向选择
  • 反向消除
  • 特征选择的可视化方法
• 特征工程 —— 时间
  • 时间日期基础特征
  • 经典时间序列（每xx, xx内）
  • 点过程（也称事件流）
• 特征工程——文本
  • 词袋模型
  • 主题建模
  • 内容拓展
• 特征工程——图像特征
  • 简单特征
  • 提取物体和形状

优化与评估

• 参数调优
  • 强力网络搜索(grid search)
• 模型评估——分类
  • 混淆矩阵（Confusion matrix)
  • ROC曲线与AUC指标
• 模型评估——回归
  • 指标
  • 检验残差

算法

• 总览

Tips

• Tips
  • 对数概率