记录统计学习模型学习过程中的笔记，其中包括使用sklearn来测试模型，同时包括自己构建模型来实现模型的训练等等。
增加k-means聚类算法。
其中增加线性回归的推导。
增加AdaBoost方法。
额外增加神经网络这一章节补充神经网络相关知识，主要是BP误差反向传播算法的推导。
细分深度学习分支之卷积神经网络。
细分深度学习分支之循环神经网络。
细分深度学习分支之生成对抗网络。
variational auto-encoder变分自动编码器。
增加Attention机制。
增加PCA。
增加LDA。
增加激活函数理解总结部分。
该章节主要介绍常见的优化器算法，将梯度下降和牛顿法都归并到该章节中，详细参考优化器方法。
增加梯度下降解释理解部分，该部分比较了梯度下降和牛顿法，其中梯度下降优化曲线较牛顿法慢，呈“之”字形，但是牛顿法存在Hessian矩阵计算量大等问题。
增加牛顿法算法实现总结。
增加常见的loss函数，详细参考loss函数总结
增加矩阵学习相关，主要是矩阵、向量、标量求导。
增加步长搜索算法总结。
增加learning rates和schedules相关算法总结，具体参考lr学习率学习。
使用多项式拟合来拟合数据。
增加深度学习框架使用教程，包括Tensorflow、PyTorch等。
下述是其他深度学习框架：
- DeepPy: Deep learning in Python 纯用numpy实现的深度学习框架（GPU加速）。
细分深度学习框架TensorFlow使用教程。
细分深度学习框架PyTorch使用教程。
细分深度学习框架MXNet使用教程。
增加协方差矩阵计算。
增加线性代数。
参考PyMathModule仓库中矩阵之迹相关。
增加SVD奇异值分解，参考svd
MachineLearning机器学习实战 机器学习实战包含了书籍和示例代码，其中包括了自我实现的以及sklearn中的常用算法示例，机器学习实战 网页浏览。
machine-learning-notes 徐亦达教授总结的latex书写的机器学习知识。
Mathematics 作者记录的数学知识点仓库，结构思路可以参考，以及对应的MVision计算机视觉相关。