7.machine-learning

一、斯坦福大学2014（吴恩达）机器学习教程中文笔记及资源

github地址：https://github.com/fengdu78/Coursera-ML-AndrewNg-Notes

文件夹说明：

docx：笔记的word版本

markdown：笔记的markdown版本

html：笔记的html版本

images：笔记的图片

ppt：课程的原版课件

srt：课程的中英文字幕（mp4文件需要在百度云下载，大家可以用记事本或者字幕编辑软件来编辑字幕，共同完善，百度云链接：https://pan.baidu.com/s/1h8QjqBlOm0Exh7orm9teMQ 密码：d3we，下载后解压）

code：课程的python代码（有一部分是国外大牛写的）

机器学习视频下载链接：https://pan.baidu.com/s/1raoOPOg 密码：48m8，包含视频和字幕，下载后解压，建议用potplayer播放，此视频与mp4一致。

笔记在线阅读

笔记pdf版本下载 ：见github根目录。

二、李航《统计学习方法》的代码实现及ppt

github地址：https://github.com/fengdu78/lihang-code

代码目录

第1章 统计学习方法概论

第2章 感知机

第3章 k近邻法

第4章 朴素贝叶斯

第5章 决策树

第6章 逻辑斯谛回归

第7章 支持向量机

第8章 提升方法

第9章 EM算法及其推广

第10章 隐马尔可夫模型

第11章 条件随机场

第12章 监督学习方法总结

三、周志华老师的《机器学习》的解答--南瓜书PumpkinBook

作者：Datawhale

github地址：

https://github.com/datawhalechina/pumpkin-book

在线阅读地址：

https://datawhalechina.github.io/pumpkin-book/

周志华老师的《机器学习》（西瓜书）是机器学习领域的经典入门教材之一，周老师为了使尽可能多的读者通过西瓜书对机器学习有所了解, 所以在书中对部分公式的推导细节没有详述，但是这对那些想深究公式推导细节的读者来说可能“不太友好”。

近日有个github仓库“南瓜书(PumpkinBook)”对西瓜书里比较难理解的公式加以解析，以及对部分公式补充具体的推导细节。

该仓库拥有者Datawhale是一个非盈利的开源学习组织，致力于构建一个纯粹的学习圈子，帮助学习者更好地成长。目前已经更新完前7章，并诚挚欢迎每一位西瓜书读者前来参与完善本书：一个人可以走的很快，但是一群人却可以走的更远。

使用说明

南瓜书仅仅是西瓜书的一些细微补充而已，里面的内容都是以西瓜书的内容为前置知识进行表述的，所以南瓜书的最佳使用方法是以西瓜书为主线，遇到自己推导不出来或者看不懂的公式时再来查阅南瓜书。若南瓜书里没有你想要查阅的公式，可以点击这里提交你希望补充推导或者解析的公式编号，我们看到后会尽快进行补充。

在线阅读地址

在线阅读地址：https://datawhalechina.github.io/pumpkin-book

目录

• 第1章 绪论
• 第2章 模型评估与选择
• 第3章 线性模型
• 第4章 决策树
• 第5章 神经网络
• 第6章 支持向量机
• 第7章 贝叶斯分类器
• 第8章 集成学习
• 第9章 聚类
• 第10章 降维与度量学习
• 第11章 特征选择与稀疏学习
• 第12章 计算学习理论
• 第13章 半监督学习
• 第14章 概率图模型
• 第15章 规则学习（正在完成中）
• 第16章 强化学习

四、台大林轩田《机器学习基石》系列课程教材的习题解答

github地址：https://github.com/Doraemonzzz/Learning-from-data

课程简介

台湾大学林轩田老师的《机器学习基石》《机器学习技法》课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面。其作为机器学习的入门和进阶资料非常适合。

林轩田机器学习基石这门课有一个配套教材：《Learning From Data》（LFD），林轩田也是编者之一。这本书的主页为：amlbook.com/

豆瓣上关于这本书的评分高达9.4，还是很不错的，值得推荐！可以配套视频一起学习。这本书是台大林轩田老师的机器学习课程配套教材，内容通俗易懂，非常精彩，不是单纯罗列公式，是一本非常适合入门的机器学习书籍。教材的上半部分（第一章到第五章）是精髓，补充部分（第六章到第九章）有部分章节稍显仓促，而且有一些小错误，第九章部分实际应用可能较少，但是总的来说，本书绝对是一本不可多得的好书。

但是尽管该书是一本入门书籍，要吃透这本书还是需要相当多的时间，尤其是课后习题部分，有的难度非常大。

针对这个问题，有位清华大学的硕士生秦臻在学习的过程中把《Learning From Data》的习题都整理了一遍，方便自己以后查阅和他人参考。前后历时一年多，除了第六章和第九章少部分习题以外，其他所有习题均已完成。作者在又花了半年时间优化，经作者同意，在本站予以公布。

补充说明：仓库中有四类文件，分别是Jupyter Notebook，py，pdf，md，代码部分保存在Jupyter Notebook和py文件中。

资源下载

1. 习题和笔记在秦臻同学的github（还会更新）： https://github.com/Doraemonzzz/Learning-from-data
2. 《机器学习基石》《机器学习技法》课程视频和ppt以及教材《Learning From Data》 链接:

https://pan.baidu.com/s/1oAMX5vYbDtobCXZiM9gEEQ

提取码: h5c3