干货 | 林轩田机器学习「基石+技法」历史文章汇总

台湾大学林轩田机器学习经典课程：「机器学习基石」和「机器学习技法」。课程由浅入深、内容全面，基本涵盖了机器学习领域的很多方面，还包括了机器学习一些经典算法，包括支持向量机、决策树、随机森林、神经网络等。

如果你对我的文章和内容有什么想法和建议的话，欢迎在文章底部直接留言或直接在公众号交流，我会尽量及时回复！期待与你的探讨，共同学习，共同进步！

真诚感谢所有关注公众号的朋友，感谢所有打赏、点赞及分享的朋友。你们的肯定与支持始终是我创作的最大动力！我会将公众号维护得越来越好，带给你们更多的好文章！谢谢！

机器学习基石：

【1】The Learning Problem

【2】Learning to Answer Yes/No

【3】Types of Learning

【4】Feasibility of Learning

【5】Training versus Testing

【6】Theory of Generalization

【7】The VC Dimension

【8】Noise and Error

【9】Linear Regression

【10】Logistic Regression

【11】Linear Models for Classification

【12】Nonlinear Transformation

【13】Hazard of Overfitting

【14】Regularization

【15】Validation

【16】Three Learning Principles

机器学习技法：

【1】Linear Support Vector Machine

【2】Dual Support Vector Machine

【3】Kernel Support Vector Machine

【4】Soft-Margin Support Vector Machine

【5】Kernel Logistic Regression

【6】Support Vector Regression

【7】Blending and Bagging

【8】Adaptive Boosting

【9】Decision Tree

【10】Random Forest

【11】Gradient Boosted Decision Tree

【12】Neural Network

【13】Deep Learning

【14】Radial Basis Function Network

【15】Matrix Factorization

【16】Finale