推荐这份机器学习笔记，足够精炼只有12页！
下面是一份机器学习综述pdf，总结的不错。将所有页完整截图到公众号文章中，方便大家直接学习。转载此文请附二维码。
长按两秒，关注公众号
首先，谈到机器学习的目标，线性和非线性算法，监督和非监督，偏差和方差权衡，欠拟合和过拟合，这些都是研究机器学习绕不开的问题。
其次，谈到机器学习常用的优化技术，比如梯度下降，OLS，最大似然估计。
再谈到线性算法：线性回归，逻辑回归，线性判别分析；
后面总结非线性算法，包括分类和回归决策树 ，朴素贝叶斯分类，K近邻算法，支持向量机；
最后谈到常见的集成算法，包括随机森林(bagging)，boosting 和AdaBoost.
文末附录7个有趣的机器学习参考资料。
这份机器学习清单最大特点：精炼且都是精华。