機器學習系列文章索引

　　接近半年的時間，利用上下班的空閒陸陸續續閱讀並學習了一些與機器學習算法工程師基礎技能相關的書籍，對機器學習的熱情一發不可收拾，決定踏上一段‘美好’的征程，對相關知識點進行重溫並以博文的方式進行筆記輸出。若是您有值得推薦的書籍或有好的學習方法，但願不吝賜教。

一 機器學習系列

　　(1) 機器學習之數據分析

　　(2) 機器學習之數據預處理

　　(3) 機器學習之模型評估

　　(4) 機器學習之K近鄰算法

　　(5) 機器學習之logsitic迴歸模型

　　(6) 機器學習之優化算法

　　(7) 機器學習之決策樹原理和sklearn實踐

　　(8) 機器學習之支持向量機原理和sklearn實踐

　　(9) 機器學習之集成學習

　　(10) 機器學習降維之主成分分析

　　(11) 機器學習降維之線性判別分析

　　(12) 機器學習之sklearn-PCA實踐

　　(13) 機器學習之樸素貝葉斯

　　(14) 機器學習之隱馬爾可夫模型

　　(15) 機器學習之K均值聚類

二 神經網絡系列

參考資料：

　　(1) 李航老師的<統計學習方法>，目前已出兩版，第二版在初版內容的基礎上加入了無監督學習算法內容 

　　(2) <機器學習實戰> Peter Harrington著，python版本

　　(3) <機器學習實戰基於Scikit-Learn和TensorFlow> Aurelien Geron著，包含機器學習和神經網絡兩部分，值得擁有

　　(4) <Keras 深度學習實戰> 使用Keras架構對神經網絡進行實戰

　　(5) <百面機器學習 算法工程師帶你去面試> 茶餘飯後閱讀能夠幫助咱們對知識點有更好的認識

　　(6) <Convex Optimization 凸優化> Stephen Boyd Lieven Vandenberghe著，B站上有凌青老師的凸優化公開課，值得去聽聽