分类 ML 下的文章

这篇文章是机器学习常用基本算法文章的一个索引，具体可以参见具体的文章链接
文章状态 alpha

  1. 决策树 Decision Tree
  2. 随机森林 Random Forest
  3. 逻辑回归 Logistic Regression
  4. 支持向量机 SVM
  5. 朴素贝叶斯
  6. K最近邻算法
  7. K均值算法
  8. Adaboost 算法
  9. 神经网络
  10. 马尔可夫

参考

  1. Kaggle: Learning Machine Learning
  2. CSDN: 轻松看懂机器学习十大常用算法
  3. 伯乐在线: 10 种机器学习算法的要点 (3的翻译)
  4. Essentials of Machine Learning Algorithms
  5. A Tour of The Top 10 Algorithms for Machine Learning Newbies

数据科学是一门跨学科的专业，在「大数据」的背景（噱头）下，看起来很有前途

根据Drew Conway给出的数据科学的一个文氏图，可以看出数据科学是Hacking Skills, Math & Statistics Knowledge 以及Substantive Expertise的大交集。

  ![Data_Science_VD.png][2]

要学习数据科学，路上认为可以从上面的文氏图来推算应该的学习内容，它们应该包括：

  1. Hacking Skills （计算机知识）

    • 基本的编程语言和与数据处理相关的包/框架，例如python语言
    • 数据处理框架，比如处理大数据的利器：Hadoop

  2. Math & Statistics Knowledge （数理统计知识）

    • 统计学（概率统计）
    • （机器）学习理论

  3. 数据科学综合知识

    • 数据挖掘等