CLR2020论文收到2594篇论文提交，有687篇被接受，接受率为26.5%。在关于图机器学习方面，Sergei Ivanov整理了关于图机器学习方面的高分论文，有49篇关于图机器学习论文。以下附上其中具有代表性的5篇论文。另外，一并附上David Mack的图机器学习介绍ppt。值得一看。

以下为该数据集的部分数据，包括年龄、近视 or 远视类型，是否散光，是否容易流泪，最后 1 列为应佩戴眼镜类型：2. 代码实现：a) 创建决策树：按书上流程（如

第一章：介绍机器学习研究的总体思路，发展历史与关键问题； 第二章：介绍线性模型，包括线性预测模型，线性分类模型和线性高斯概率模型； 第三章：介绍神经网络的基础知识、基础结构和训练方法； 第四章：介绍深度神经网络的基础方法和最新进展； 第五章：介绍核方法，特别是支持向量机模型； 第六章：介绍图模型的基本概念和基于图模型的学习和推理方法； 第七章：介绍无监督学习方法，特别是各种聚类方法和流形学习； 第八章：介绍非参数贝斯模型，重点关注高斯过程和狄利克雷过程； 第九章：介绍遗传算法、遗传编程、群体学习等演化学习方法； 第十章：介绍强化学习，包括基础算法及近年来兴起的深度强化学习方法； 第十一章：介绍各种数值优化方法。

机器学习导论课件，本校老师紧跟周老师的机器学习一书制作的课件 本资源共享学习，不得擅自出售，如有侵权联系删除。

机器学习导论课后习题答案，英文版的，很全，找了很久的希望大家支持！

上海交大 机器学习导论 主讲教师：张志华 主要内容包含： 1.再生核 2.数据降维 3.EM算法 4.多维标度 5.矩阵补充 6.聚类方法 7.判别分析 8.线性分类 9.生成模型 10.支持向量机 11.提升方法

内容包括线性模型、SVM、神经网络、聚类方法、降维与度量学习、集成学习、特征选择与稀疏学习、半监督学习、概率图模型、强化学习、深度学习等主要内容的知识点和关联关系，PDF文件

张志华的机器学习导论的课件，和视频不对应。想要免费版本的请通过百度网盘链接下载：链接：https://pan.baidu.com/s/1pkakm6Aif9V5Os1WHR8eRw 提取码：p0ku

机器学习导论课后习题答案，部分翻译。找了很久的希望大家支持！

欢迎来到沃里克商业学院金融技术-机器学习驱动的定量投资Github存储库。 该存储库的独特之处在于它包含直接应用于广泛的全球股票投资的机器学习技术，模型和高级方法。 我们使用最强大的Python库来驱动用于股票选择和投资的机器学习方法。 随便是我们的底线，我们带您走上从格兰杰因果关系到使用ML工具包的过程，该工具包培养了最先进的XAI和多任务机器学习，从而使我们能够使用功能强大，因果关系可解释的机器学习投资系统。 （作者实际上是在做这些事情）。 我们通过加载涵盖新兴市场和发达市场的数千种全球股票的广泛数据集来开始我们的旅程。 我们学习如何预处理数据，估算，规范化和堆叠信息，以供学习者使用。 我们使用强大的神经自动编码器来实现降维。 我们对格兰杰因果关系进行了简短讨论，以此作为我们从机器学习中获得因果关系的基础。 我们的学习者从OLS，ElasticNets，Random Forests，