### 1. [概率统计中常见概念总结](./math_notes/README.md)

* 总体均值、总体方差

* 样本均值、样本方差

* 无偏估计、有偏估计

* 样本标准差

* 样本协方差、协方差矩阵

### 2. 一些常用的机器学习算法理论及实现

#### 算法理论包括：

* 《统计学习方法》学习总结

#### 算法实现包括：

* Apriori 算法

* DesicionTree 算法

* HMM模型 Viterbi 算法

* 针对文本分类的 NaiveBayes 算法

* 针对文本分类的 LogisticRegression 算法

* 线性回归算法：

	* 标准的线性回归
	
	* 局部加权线性回归
	
	* 岭回归

#### 结果示例：

![image](./algo_notes/LinearRegression/standRegresResults.png)

![image](./algo_notes/LinearRegression/lwlrResults.png)

### 3. 一些常用的机器学习框架

#### 框架包括：

* Keras [[1](./ml_notes/Keras/深度学习之Keras入门.md)]

* TensorFlow [[1](./ml_notes/TensorFlow/深度学习之TensorFlow环境搭建.md)] [[2](./ml_notes/TensorFlow/深度学习之TensorFlow入门.md)]

* sklearn [[1](./ml_notes/sklearn/sklearn使用总结.md)]

#### 项目包括：

* [掌握这10个项目](./ml_notes/Projects/掌握这10个项目.md)