Home
介绍
1.
数学基础
1.1.
组合数学
1.2.
离散数学
2.
数据结构
2.1.
链表
2.2.
栈
2.3.
堆
2.4.
树
2.5.
集合
2.6.
哈希表
2.7.
图
3.
基础算法
3.1.
搜索算法
3.2.
图论算法
3.3.
网络流
3.4.
动态规划
3.5.
字符串算法
3.6.
计算几何
4.
智能算法
4.1.
遗传算法
4.2.
蚁群算法
4.3.
模拟退火
4.4.
粒子群算法
4.5.
神经网络
4.6.
支持向量机
5.
机器学习
5.1.
k-means
5.2.
KNN 学习
5.3.
回归学习
5.4.
决策学习
5.5.
EM算法
5.6.
Random Forest 学习
5.7.
贝叶斯学习
5.8.
Adaboost
5.9.
SVM 方法
5.10.
增强学习
5.11.
流形学习
5.12.
RBF学习
5.13.
稀疏学习
5.14.
字典学习
5.15.
BP学习
5.16.
CNN 学习
5.17.
RBM 学习
5.18.
深度学习
6.
数据挖掘
6.1.
C4.5
6.2.
k-means
6.3.
支持向量机
6.4.
Apriori 算法
6.5.
EM 算法
6.6.
Page Ranke
6.7.
Adaboost
6.8.
K 近邻
6.9.
朴素贝叶斯
6.10.
CART:分类与回归树
本书使用 GitBook 发布
Algorithm