LeftNotEasy - Wangda Tan//機器學習優(yōu)秀博客（5.13）
樸素貝葉斯分類算法原理與實踐(2017.4.18)
關(guān)聯(lián)規(guī)則挖掘基本概念與Aprior算法(2017.4.19)
K-means算法及文本聚類實踐(4.28)
PageRank算法簡介及Map-Reduce實現(xiàn)(4.30)
分類算法評價(4.30)
BloomFilter——大規(guī)模數(shù)據(jù)處理利器(4.30)
異常檢測算法--Isolation Forest(4.30)
神經(jīng)網(wǎng)絡(luò)和TensorFlow如何快速入門？此文就夠啦(5.1)
卷積神經(jīng)網(wǎng)絡(luò)算法的一個實現(xiàn)(5.4)
（未看）機器學習中的算法(1)-決策樹模型組合之隨機森林與GBDT（5.13）
（未看）機器學習中的數(shù)學(3)-模型組合(Model Combining)之Boosting與Gradient Boosting（5.13）
算法雜貨鋪——分類算法之樸素貝葉斯分類(Naive Bayesian classification)（5.13）
Softmax 函數(shù)的特點和作用是什么？https://www.zhihu.com/question/23765351
(Logistic Regression 模型簡介)http://tech.meituan.com/intro_to_logistic_regression.html
