机器学习——学习路线图

一、预备知识 微积分（偏导数、梯度等等） 概率论与数理统计（例如极大似然估计、中央极限定理、大数法则等等） 最优化方法（比如梯度下降、牛顿-拉普什方法、变分法（欧拉-拉格朗日方程）、凸优化等等） 二、路线1 （基于普通最小二乘法的）简单线性回归 -> 线性回归中的新进展（岭回归和LASSO回归）->(此处可以插入Bagging和AdaBoost的内容)-> Logistic回归 ->支持向量机（S

>>阅读原文<<