机器学习

1、机器学习“判定模型”和“生成模型”有什么区别？（https://www.zhihu.com/question/20446337）

判别式模型举例：要确定一个羊是山羊还是绵羊，用判别模型的方法是从历史数据中学习到模型，然后通过提取这只羊的特征来预测出这只羊是山羊的概率，是绵羊的概率。

生成式模型举例：利用生成模型是根据山羊的特征首先学习出一个山羊的模型，然后根据绵羊的特征学习出一个绵羊的模型，然后从这只羊中提取特征，放到山羊模型中看概率是多少，在放到绵羊模型中看概率是多少，哪个大就是哪个。

https://www.cnblogs.com/bonelee/p/15116547.html

image.png

2、BoW（Bag of words）词袋模型详解（https://www.jianshu.com/p/7298deddca21）

3、自然语言处理中N-Gram模型介绍（https://zhuanlan.zhihu.com/p/32829048）
https://blog.csdn.net/gaobing1993/article/details/108430806
https://blog.csdn.net/weixin_45144934/article/details/115113145

4、方差、标准差、期望与归一化（https://www.jianshu.com/p/583b289841e7）

5、LDA主题模型（https://www.cnblogs.com/fengsser/p/5836677.html）
https://blog.csdn.net/weixin_41168304/article/details/122389948

6、SVM（https://blog.csdn.net/qq_42363032/article/details/107210881）

https://blog.csdn.net/qq_41076797/category_10012443.html
SVM（一）：拉格朗日乘数法详解（https://blog.csdn.net/qq_41076797/article/details/112676195）
SVM（二）：KKT条件最直白的解释（https://blog.csdn.net/qq_41076797/article/details/112763987）
https://zhuanlan.zhihu.com/p/33229011/
https://www.cnblogs.com/lunge-blog/p/11617047.html

SVM（三）：对偶问题最直白解释（https://blog.csdn.net/qq_41076797/article/details/112781675）
https://zhuanlan.zhihu.com/p/46944722

SVM（四）：超平面详细解释（https://blog.csdn.net/qq_41076797/article/details/112830324）
SVM（五）：SVM的数学模型详细介绍（https://blog.csdn.net/qq_41076797/article/details/112802572）
SVM（六）：带松弛变量的SVM数学模型（https://blog.csdn.net/qq_41076797/article/details/112859868）

为什么最大化1/||w||与最小化1/2||w||^2是等价的？（https://www.zhihu.com/question/68394029/answer/262737419）

7、机器学习-常用回归算法归纳(全网之最)（https://blog.csdn.net/qq_42363032/article/details/121019360）

8、逻辑回归（Logistic Regression)详解（https://blog.csdn.net/weixin_60737527/article/details/124141293）

9、如何通俗易懂地讲解什么是 PCA（主成分分析）？（https://www.zhihu.com/question/41120789?utm_source=qq）

10、密度聚类（ DBSCAN ）（https://blog.csdn.net/qq_38436431/article/details/120538371）
https://blog.csdn.net/qq_16608563/article/details/85756651

K-Means算法、K-Means++ 算法和Mean Shift 算法都是基于距离的聚类算法，基于距离的聚类算法的聚类结果都是球状的簇
当数据集中的聚类结果是非球状结构是，基于距离的聚类效果并不好

基于密度的聚类算法能够很好的处理非球状结构的数据，与基于距离的聚类算法不同的是，基于密度的聚类算法可以发现任意形状的簇类。

11、层次聚类介绍（https://blog.csdn.net/vendetta_gg/article/details/106623951）
https://www.bilibili.com/video/BV1GT4y1J7zk?from=search&seid=7067268047185072772

12、