机器学习基本框架

最近重新温习了一下机器学习的相关内容，知识体系很是庞大而且繁杂，花费了不少的时间。

最开始接触机器学习还是从一本本厚厚的书开始的，那时候一页页的翻阅，多少有些头疼，一直想着怎样去减少学习成本。现在小破站上有大把大把的视频资源，30个小时就能把机器学习安排的明明白白的。但还是经常收藏后就开始落灰。所以才痛下决心想将这块的知识弄成一页纸。能一眼就了解知识的基本框架是最好的了。

于是将这主要的知识框架整理成了思维导图的形式。以这种方式呈现出来。

思维导图主要分为：特征预处理与特征工程，降维算法，线性回归，逻辑回归，聚类，支持向量机，朴素贝叶斯，XGBOOST，神经网络等几个基本模块。

特征预处理与特征工程

降维算法

线性回归

逻辑回归

聚类

支持向量机

朴素贝叶斯

XGBOOST

神经网络

本文思维导图简略介绍了以上所涉及的基本框架以及相关内容，个人总结难免有所纰漏。如想获取高清版本思维导图，可搜索公众号 虾聊风控 留言即可 机器学习基本框架