Display learning path under serveral algorithms and math/stat knowledge !
學習過程中紀錄機器學習方法的原理，以及一些數學/統計性質。
集合各文獻、open source與自身理解後，大概寫個重點吧~
本篇內容包含以下項目(順序亂排的，自己挑著看吧 QQ):
-
1. 主成分分析(PCA) -
2. 線性迴歸(Linear Regression) -
3. 羅吉斯迴歸(Logistic Regression) -
4. 脊迴歸/套索迴歸/彈性網絡(Ridge Regression/Lasso Regression/ElasticNet) -
5. 信息理論(Information Theory) -
6. 階層分群(Hierarchical Clustering) -
7. 集成學習(Ensemble) -
8. 決策樹(Decision Tree) -
9. 自適應演算法(AdaBoost) -
10. 梯度提升演算法(GBDT) -
11. 隨機森林(Random Forest) -
12. 樸素貝氏分類器(Naive Bayes Classifier) -
13. 極限梯度提升演算法(XGBoost) -
14. 支持向量機(SVM) -
15. 反向傳播演算法(Back Propagation) -
16. K平均分群法(k-Means) -
17. K鄰近分類法(KNN) -
18. K-Mediods(DBSCAN) -
19. 梯度下降(Gradient Decent) -
20. EM演算法 -
21. Gaussian Mixture Model -
22. AutoEncoder與VAE -
23. Attention機制 -
24. Stable Diffusion -
25. Rotary Position Embedding -
26. Kernel Density Estimation -
27. ARIMA -
28. PiSSA -
29. LLM Parameter Calculation -
30. TBD