本文是我的「ML&DM笔记」第四篇。本文将持续更新。
本文是我的「ML&DM笔记」第三篇。最近弥补了一些线性代数的知识，以加深对算法的理解。本文只涉及了非常基础的线代知识，可作为快速入门的引导。后续要是继续深入学习会再来补充本文。
本文用一系列「思维导图」由浅入深的总结了「统计学」领域的基础知识，是对之前系列文章做的一次完整的梳理，也是我至今为止所有与统计有关的学习笔记。众所周知，「统计学」是深入理解「机器学习/数据挖掘」的重要基础学科。正所谓磨刀不误砍柴工，对于数理基础薄弱的人，强化一下理论的学习是大有裨益的。普通人难以做到“一次学习”，经典知识总是在一次次回顾后才能有更深入的理解。这也是我选择「思维导图」作为学习工具的原因，发散性思考的模式能有助于迅速回忆起相关的知识。近一个月我对之前陆陆续续学习的统计知识进行了系统性的复习、知识点补充以及思维导图笔记的完善，在这里把完整的笔记和大家分享。本文图片很多，请在wifi下阅读哦。
本文是我的「ML&DM笔记」第二篇。数据处理是第一步骤，对数据挖掘的成败至关重要。此方面的经验要通过实战逐渐积累，且有很强的领域针对性。「相似/异性度量」需要重点关注。
本文是我的「ML&DM笔记」第一篇。主要内容涉及「机器学习/数据挖掘」领域相关的背景知识。本文内容大多来自网络文章和书籍，可能尚有诸多不足，往后随着对该领域认识的加深会继续更新此笔记。大家可以简单作为了解。
本文是我在阅读《如何高效学习》时的读书笔记。