主要针对周志华教授的西瓜书，以及在南京大学做的ppt课件；

李宏毅老师（國立臺灣大學電機工程學系 助理教授）的视频以及数据集；

以及李航教授蓝皮书以及，袁春 老师的ppt（清华大学深圳研究生院）进行学习，体悟良多。

当然感谢给我引路的郭闯（高级数据科学家）、吴志辉（硕士）和姚青林（哈工大双硕士），希望能追上你们的脚步！

Machine-learning内容包括：

adaBoost文件夹：AdaBoost元算法提高分类性能

apriori文件夹：Apriori算法进行关联分析

bayes文件夹：bayes算法用于垃圾邮件分类

decisionTree文件夹：使用决策树算法，进行数据分类

fp-growth文件夹：FP-growth算法加速发现频繁项集

kmeans文件夹：kmeans + 二分kmeans算法

k-Nearest Neighbor文件夹：k近邻算法 + 数值归一化

logistic文件夹：batch GD + SGD

pca文件夹：pca降维

pca和svd的比较：关于pca和svd的区别和联系，理论参见pac和svd的关系

regress文件夹：线性回归 + 局部加权线性回归 + 岭回归 + 向前逐步回归

regressionTree文件夹：回归树+模型树

svd文件夹：svd降维 + 协同过滤算法进行物品推荐

svm文件夹：简化版smo实现svm(支持向量机)分类器

《统计学习方法2》，作者李航，本书于2019年4月发布，全面系统地介绍了统计学习的主要方法，特别是监督学习方法，包括感知机、k近邻法、朴素贝叶斯法、决策树、逻辑斯谛回归与支持向量机、提升方法、EM算法、隐马尔可夫模型和条件随机场等。除第1章概论和最后一章总结外，每章介绍一种方法。叙述从具体问题或实例入手，由浅入深，阐明思路，给出必要的数学推导，便于读者掌握统计学习方法的实质，学会运用。

针对无监督学习13-22章，以后必然是时代的趋势，需要我们好好理解，并应用于机器学习和深度学习模型中，对人工智能的发展推添助力！

署名-相同方式共享 4.0 国际

网址：https://creativecommons.org/licenses/by-sa/4.0/deed.zh 您可以自由地：

• 共享 — 在任何媒介以任何形式复制、发行本作品

• 演绎 — 修改、转换或以本作品为基础进行创作在任何用途下，甚至商业目的。

  只要你遵守许可协议条款，许可人就无法收回你的这些权利。

惟须遵守下列条件：

• 署名 — 您必须给出适当的署名，提供指向本许可协议的链接，同时标明是否（对原始作品）作了修改。您可以用任何合理的方式来署名，但是不得以任何方式暗示许可人为您或您的使用背书。
• 相同方式共享 — 如果您再混合、转换或者基于本作品进行创作，您必须基于与原先许可协议相同的许可协议 分发您贡献的作品。
• 没有附加限制 — 您不得适用法律术语或者 技术措施 从而限制其他人做许可协议允许的事情。

声明：

• 您不必因为公共领域的作品要素而遵守许可协议，或者您的使用被可适用的 例外或限制所允许。
• 不提供担保。许可协议可能不会给与您意图使用的所必须的所有许可。例如，其他权利比如形象权、隐私权或人格权可能限制您如何使用作品。

1）使用Jekyll搭建个人博客的教程
使用 HEXO 基于 Github Page 搭建个人博客
Jekyll 支持 Mac 、Windows、ubuntu 、Linux 操作系统                     
Jekyll 需要依赖：Ruby、bundler

2）[Jekyll中文官方文档](http://jekyll.bootcss.com/) 安装
$ gem install jekyll
$ git clone https://github.com/leopardpan/leopardpan.github.io.git
$ jekyll server					leopardpan.github.io/ 目录下， 开启本地服务 
在浏览器输入 [127.0.0.1:4000](127.0.0.1:4000) ， 就可以看到博客效果了。
1请把 _posts/ 目录下的文章都去掉；
2修改 _config.yml 自己的个人信息。

https://fibncci.github.io/2019/10/README/

https://github.com/leopardpan/leopardpan.github.io/

页脚设置
/Users/tianzi/Documents/fibncci.github.io/_includes/footer.html