liuliuball的博客

微服务saas架构设计指南，总结了微服务常见技术问题，解决方案

第一部分介绍基本的 数学工具和机器学习的概念。第二部分介绍最成熟的深度学习算法，这些技术基本 上已经得到解决。第三部分讨论某些具有展望性的想法，它们被广泛地认为是深度 学习未来的研究重点。 读者可以随意跳过不感兴趣或与自己背景不相关的部分。熟悉线性代数、概率 和基本机器学习概念的读者可以跳过第一部分，例如，当读者只是想实现一个能工 作的系统则不需要阅读超出第二部分的内容。为了帮助读者选择章节，

经典数据，学习机器算法。第一部分 分类 1.) 机器学习基础 2.) k-近邻算法 3.) 决策树 4.) 基于概率论的分类方法：朴素贝叶斯 5.) Logistic回归 6.) 支持向量机 7.) 集成方法-随机森林和AdaBoost 第二部分 利用回归预测数值型数据 8.) 预测数值型数据：回归 9.) 树回归 第三部分 无监督学习 10.) 使用K-均值聚类算法对未标注数据分组:k-means聚类 11.) 使用Apriori算法进行关联分析 12.) 使用FP-growth算法来高效发现频繁项集 第四部分 其他工具 13.) 利用PCA来简化数据 14.) 利用SVD简化数据 15.) 大数据与MapReduce 第五部分 项目实战(非课本内容) 16.) 推荐系统