difstone的专栏

主要由监督学习、半监督学习、迁移学习、无监督学习、监督学习中的结构化学习以及强化学习构成。最关键的是本文档带书签。

一直对矩阵求导和向量求导云里雾里，直到这两天看到刘建平老师的博客，我认为是讲的最清楚的的一个系列，所以特地将其整理成pdf文档，并添加书签，供大家们参考。

IEEE出品的科技论文写作指导手册，不到30页的内容，干货满满！很多规则并不空泛，易于操作。

机器学习三大经典之一，带书签PDF版。迈向高手必读的进阶类书籍。书中包涵大量理论知识及数学推导，还有大量的习题，有助于了解机器学习各种方法背后的本质思想。

【第1讲】 机器学习的动机与应用 【第2讲】 监督学习应用-线性回归 【第3讲】 线性回归的概率解释、局部加权回归、逻辑回归 【第4讲】 牛顿法、一般线性模型 【第5讲】 生成学习算法、高斯判别分析、朴素贝叶斯算法 【第6讲】 事件模型、函数间隔与几何间隔 【第7讲】 最优间隔分类器、拉格朗日对偶、支持向量机 【第8讲】 核方法、序列最小优化算法 【第9讲】 经验风险最小化 【第10讲】 交叉验证、特征选择 【第11讲】 贝叶斯统计、机器学习应用建议 【第12讲】 $k$-means算法、高斯混合模型及最大期望算法 【第13讲】 最大期望算法及其应用、因子分析模型 【第14讲】 因子分析的EM算法、主成分分析 【第15讲】 PCA的奇异值分解、独立成分分析 【第16讲】 马尔可夫决策过程 【第17讲】 解连续状态的MDP 【第18讲】 线性二次调节 【第19讲】 微分动态规划及线性二次型高斯 【第20讲】 策略搜索算法

有很多这门课的笔记，但比较之下红色石头这一版是最好的。本资源是pdf格式，便于大家阅读、注释。如果只是看看，可以是直接阅读作者的博文。

北大张老师的最新翻译成果

lan Sommerville的经典著作，程成、陈霞翻译，机械工业出版社出版。 最关键的是，所有页面都是正的，并且带书签

实现了小波变换。包含行变换、列变换、逆变换、一次小波变换、二次小波变换、三次小波变换

了解、学习OpenCV的好书，可惜只有前三章。