机器学习(Machine Learning, ML)是一门多领域交叉学科,涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。在此,由于博客篇幅原因,这篇博客只涉及统计学习方法,具体内容可参见李航.统计学习方法[M].清华大学出版社,2012
1.感知机算法(Perceptron model)
2.k近邻算法(k-Nearest Neighbor,KNN)
3.朴素贝叶斯算法(NaïveBayes)
4.决策树(Decision Tree)
5.逻辑回归与最大熵模型(logistics regression and maximum entropy model)
6.支持向量机(support vector mechine,SVM)
7.提升法(Boost)
8.期望极大算法(Expectation maximum,EM)
9.隐藏马尔可夫模型(hidden Markov model,HMM)
10.条件随机场(Conditional random field,CRF)
这里先搭个架子,有空博主再来慢慢更新各个模型的算法,实现,优化及应用