深度学习Machine Learning资料汇总（持续更新）
这篇博客集中归纳了深度学习相关的学习资料内容，并非仅仅为了个人使用。同时也可以作为others' knowledge for mutual benefit, helping everyone enhance their own learning.
偏最小二乘法回归（Partial Least Squares Regression）
典型关联分析（Canonical Correlation Analysis）
增强学习（Reinforcement Learning and Control）
因子分析（Factor Analysis）
线性判别分析（Linear Discriminant Analysis）（二）
线性判别分析（Linear Discriminant Analysis）（一）
ICA扩展描述
独立成分分析（Independent Component Analysis）
主成分分析（Principal components analysis）-最小平方误差解释
主成分分析（Principal components analysis）-最大方差解释
在线学习（Online Learning）
（EM算法）The EM Algorithm
混合高斯模型（Mixtures of Gaussians）和EM算法
K-means聚类算法
规则化和模型选择（Regularization and model selection）
支持向量机（五）SMO算法
支持向量机（四）
支持向量机（三）核函数
支持向量机SVM（二）
支持向量机SVM（一）
判别模型、生成模型与朴素贝叶斯方法
对线性回归，logistic回归和一般回归的认识
机器学习模型的构建与优化流程概述如下：
基于特征工程、模型选择以及算法参数调优的关键步骤进行设计。
JerryLead 对相关技术领域进行了深入研究并发表了多篇具有影响力的论文。