7/15 朴素贝叶斯优缺点 https://www.cnblogs.com/pinard/p/6069267.html
6/30 优化方法 https://www.cnblogs.com/guoyaohua/p/8542554.html
6/29 pandas，五中回归损失函数再看
6/27时间序列模型预测方法 https://zhuanlan.zhihu.com/p/54413813
6/26 机器学习实践指南第二章——房屋价格预测
6/24 损失函数 http://www.csuldw.com/2016/03/26/2016-03-26-loss-function/
https://zhuanlan.zhihu.com/p/39239829
5/25讲解内容
正则化 L1,L2 https://zhuanlan.zhihu.com/p/29360425
svm 白板推导
决策树（三）--完整总结：
(其中也有CART相关推导，比较推荐)
https://blog.csdn.net/app_12062011/article/details/52136117
问：区别ID3 C4.5 CART的主要依据是什么？如果是信息增益、Gini值，那GBDT或者XGB中的CART分裂并不是按照Gini值来进行的…
XGB:
https://www.jianshu.com/p/7467e616f227
GBDT的推导解答
稍微解释了一下GBDT的建树过程：
https://zhuanlan.zhihu.com/p/42740654
也就是GBDT的叶节点的回归值即均值（每棵树的目标值的均值），树节点划分指标是平方损失函数
Adboost
https://zhuanlan.zhihu.com/p/42018105
能大致解释adboost的思想，但为什么只更新分错的权重？而且权重在整体分类正确或缺错误的时候其变化是不均一的 错误
《统计学习》李航 8.提升方法中所描述的公式更加的合理
另外：权重在建树的过程中到底体现在哪里？
两个想法，①在计算信息增益或者基尼值时候乘以其权重
②直接计算每个节点的分类误差率最小的feature和阈值
Adboost R2 应用于回归问题
https://www.cnblogs.com/pinard/p/6133937.html
但是不太理解弱学习器的系数与权重计算公式的含义（可以一起分析一下）
RF随机森林：
https://zhuanlan.zhihu.com/p/51165358
简述GBDT/XGBOOST在调参时为什么树的深度很小也能得到很到的精度？
https://zhuanlan.zhihu.com/p/38794281
SVD及其在推荐系统中的应用
https://blog.csdn.net/zhongkejingwang/article/details/43053513
https://blog.csdn.net/zhongkejingwang/article/details/43083603
6/1
讲解：朴素贝叶斯 https://cuijiahua.com/blog/2017/11/ml_3_decision_tree_2.html
LR推导 https://blog.csdn.net/ltlitao717/article/details/75453480#commentBox https://blog.csdn.net/march_on/article/details/49132573 交叉熵： https://zhuanlan.zhihu.com/p/61944055 https://www.zhihu.com/question/65288314/answer/244557337 最小二乘： https://zhuanlan.zhihu.com/p/66192625 https://www.cnblogs.com/wangkundentisy/p/7505487.html
6/3
influx概念 https://www.jianshu.com/p/a1344ca86e9b
mysql使用教程
绘制直方图函数，并对其进行泰勒拟合
6/4
卷积解释 https://blog.csdn.net/bitcarmanlee/article/details/54729807
k选择方法 https://blog.csdn.net/qq_15738501/article/details/79036255
6/5 精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？ - 京东白条的回答 - 知乎 https://www.zhihu.com/question/30643044/answer/222274170
6/10（杨）【20190610】 1.正则表达式 https://www.bilibili.com/video/av37107352 https://regex101.com/ (RE测试网站) 2.理解极大似然 https://www.zhihu.com/question/24124998/answer/242682386 3.EM算法，《统计学习》李航，第9章 https://zhuanlan.zhihu.com/p/36331115
6/11 爬虫学习 https://www.bilibili.com/video/av19057145/?p=7&t=415
学习pymysql与数据库连接 https://www.cnblogs.com/woider/p/5926744.html
6/18
LDA https://zhuanlan.zhihu.com/p/27899927
6/19
sklearn auto_gen_pramas https://blog.51cto.com/emily18/2088128?utm_source=oschina-app
https://blog.csdn.net/u011311291/article/details/81035122
6/20
本地jupyter 密码设置1234，搭建pymysql
求导公式链接 https://blog.csdn.net/WPR1991/article/details/82929843
EM 算法 ： https://zhuanlan.zhihu.com/p/36331115
6/21
SVM与LR区别 https://blog.csdn.net/xiaocong1990/article/details/83004159
百面第三章——svm问题
