数据挖掘小参考资料推荐

原文链接

博客

github

目录

• • [判别式模型和生成式模型的区别 \| 知乎(https://zhuanlan.zhihu.com/p/74586507)](#判别式模型和生成式模型的区别 | 知乎)
  • [Gini 系数生成决策树 \| 博客(https://victorzhou.com/blog/gini-impurity/)](#Gini 系数生成决策树 | 博客)
  • [一个学数据挖掘的开发者的博客 \| 博客(https://victorzhou.com/page/5/)](#一个学数据挖掘的开发者的博客 | 博客)
  • [信息增益和信息熵 \| 博客(https://victorzhou.com/blog/information-gain/)](#信息增益和信息熵 | 博客)
  • [熵（信息论）\| wiki(<https://en.wikipedia.org/wiki/Entropy_(information_theory)\>)](#熵（信息论）| wiki)
  • [神经网络 \| 博客(https://victorzhou.com/series/neural-networks-from-scratch/)](#神经网络 | 博客)
  • [SVM 支持向量机(https://www.zhihu.com/tardis/zm/art/31886934?source_id=1005)](#SVM 支持向量机)
  • [错误率、精度、准确率、召回率、F1 度量 \| CSDN(https://blog.csdn.net/qq_35357274/article/details/108081625)](#错误率、精度、准确率、召回率、F1 度量 | CSDN)

最近在上数据挖掘的课，我在查阅资料的时候发现了一些不错的资料，所以就整理了一下，自用和分享。

判别式模型和生成式模型的区别 | 知乎

一张图介绍判别式和生成式模型，左边是判别式模型，右边是生成式模型，判别式模型是直接对后验概率进行建模，生成式模型是对联合概率进行建模，然后通过贝叶斯公式求后验概率。

Gini 系数生成决策树 | 博客

一个学数据挖掘的开发者的博客 | 博客

信息增益和信息熵 | 博客

熵（信息论）| wiki

神经网络 | 博客

这几篇博客一步步带你构建神经网络

SVM 支持向量机

错误率、精度、准确率、召回率、F1 度量 | CSDN