在未来几个月时间里，将会逐步针对先前整理的博客文章进行分类归纳，并建立成为学习专栏区。内容将会重点从理论算法，推导过程，应用阶段，项目实战几个维度进行整理。内容会慢慢更新。
如下为整理的机器学习的查阅目录
一、统计学基础
1、浅谈傅里叶级数与变换的理解（一）
2、浅谈傅里叶级数与变换的理解（二）
3、傅里叶变换的解释与推导（三）
4、特征值与特征向量几何意义
5、正交变换与坐标系的关系
6、协方差与皮尔逊相关系数
7、线性回归，偏差、方差权衡
8、线性判别分析（LDA）, 主成分分析(PCA)、奇异值分解（SVD）
9、梯度与梯度下降法
二、机器学习算法
1、机器学习算法一览表
2、机器学习算法（1）之逻辑回归算法
3、机器学习算法（2）之K近邻算法
4、机器学习算法（3）之决策树算法
5、机器学习算法（4）之支持向量机的简易版
6、机器学习算法（5）之支持向量机的详细版
7、机器学习算法（7）之朴素贝叶斯
8、机器学习算法（8）之多元线性回归分析理论详解
9、机器学习算法（9）之聚类算法
10、机器学习算法（10）之数据挖掘算法之Apriori详解
11、机器学习算法（11）之推荐系统库--Surprise
12、机器学习算法（12）之集成学习之模型融合
13、机器学习算法（13）之bagging与随机森林算法
14、机器学习算法（14）之boosting算法之Adaboost、GBDT
15、机器学习算法（15）之Xgboost算法
16、数据预处理与特征工程
17、模型评估和验证【1】——过拟合、欠拟合、学习曲线、验证曲线
18、模型评估和验证【2】——交叉验证、网格搜索与模型评估
19、超参数的选择、格点搜索与交叉验证
20、正则化的理解
三、机器学习实战
1、逻辑回归实战
2、K近邻算法实战
3、泰坦尼克号预测案例
4、朴素贝叶斯实战
5、随机森林调参示例
6、推荐系统实战
7、Xgboost参数调优
8、Sklearn中的StratifiedKFold与stacking模型的融合方法
四、大数据竞赛项目
光伏电站人工智能运维大数据处理分析项目（奖金￥220,000）--二等奖
在分析光伏发电原理的基础上，论证了辐照度、光伏板工作温度等影响光伏输出功率的因素，通过实时监测的光伏板运行状态参数和气象参数建立预测模型，预估光伏电站瞬时发电量，根据光伏电站DCS系统提供的实际发电量数据进行对比分析，验证模型的实际应用价值。
GOC仓储网络智能库存管理（￥60,000）--Rank 36/1618
【机器学习目录|机器学习目录】
推荐阅读
- open|opencv_createsamples和opencv_traincascade命令
- AI|神经网络的反向传播算法推导
- 深度学习|神经网络之BP（反向传播算法）的原理介绍
- 机器学习|机器学习（神经网络的代价函数及反向传播算法）
- 人工智能|我的天，强化学习还能用在自动驾驶领域（）
- python|python学习计划大全（从入门到实战）
- 深度学习|二、机器学习基础13(熵、信息增益、剪枝处理、SVM)
- 深度学习|二、机器学习基础14（核函数）
- 深度学习|二、机器学习基础15（SVM优缺点、聚类与降维）