压缩包中包含了机器学习基础的知识，有线性模型、梯度下降、逻辑回归、神经网络、模型选择、决策树等知识。每一部分内容都有概念讲解和公式的推导。

第1章引言11.1 为何选择机器学习 11.1.1 机器学习能够解决的问题 21.1.2 熟悉任务和数据 41.4 必要的库和工具 51.6 本书用到的版本 1

机器学习入门的基础知识，包括常见名词的解释（线性回归、容量、过拟合欠拟合、正则化、超参数和验证集、估计、偏差和方差、最大似然估计、KL散度、随机梯度下降） 欢迎关注我的微信公众号“人小路远”哦，在这里我将会记录自己日常学习的点滴收获与大家分享，以后也可能会定期记录一下自己在外读博的所见所闻，希望大家喜欢，感谢支持！ 1、数值计算基础 计算机求解问题的步骤： 1、根据实际问题建立数学模型；（应用数学） 2、由数学模型给出数值计算方法；（计算数学） 3、根据计算方法编制算法程序在计算机上算出结果。 数值问题：是输入和输出数据之间的函数关系的一个确定而无歧义的描述。可以理解为：输入和输出均为数据

数值优化，个人保存。Jorge Nocedal Stephen J.Wright 同时也是机器学习必修课程之一.

机器学习之主成分分析PCA,

Python机器学习基础教程中文Notebook 基本上就是《Python机器学习基础教程》的内容搬运为jupyter notebook ，便于记录和学习。 快速开始 在含有.ipynb 文件的目录下打开命令行 敲入jupyter notebook(前提是安装了，Anaconda发行版python自带ipynb) 打开浏览器：localhost:8888

机器学习基础介绍课件 机器学习基础介绍课件 机器学习基础介绍课件

机器学习基础教程（Rogers）内的源码，包含.m和.r文件，大家下载学习吧！

python的基础代码实现，基于jupyter notebook的IDLE运行，每行都有注释，而且是基于最新的python3，全程无bug。。

机器学习基础（从入门到求职）课件