持续不定期更新中，只要在目录中就是在写作计划中了，欢迎收藏，该目录内容下永不收费。
-快怿 24-11-8
章节1：数据预处理
1.1归一化&标准化
基础的归一化方法
正太标准变化（Standard Normal Variate，SNV）
Box-Cox变换
分数阶导数求导（Fractional Derivative）
Savitzky-Golay（SG）信号平滑
1.2 数据异常值检验
拉依达检验法（3σ准则）
蒙特卡洛方法（Monte Carlo method）
章节2：数据分析
2.1差异量化&聚类效果
显著性检验
K-mean聚类
基于密度的空间聚类算法（**Density-Based Spatial Clustering of Applications with Noise，**DBSCAN）
滑动窗口的聚类算法（Mean Shift）
层次聚类
聚类评价内部指标：轮廓系数SC（Silhouette Coefficient）、Davies-Bouldin指数、方差比注则CHI（Calinski-Harabasz Index）
聚类评价外部指标：Adjusted Rand Index(ARI)，Fowlkes-Mallows Index（FMI），列联矩阵(contingency matrix）
2.2 相关性分析
皮尔逊相关系数分析
2.3 特征算法&降维
主成分分析 PCA
Matlab PCA作图代码演示
RelieF与RelieFF算法
竞争自适应重加权（Competitive Adaptive Reweighted Sampling, CARS）
连续投影算法（Successive Projections Algorithm, SPA）
黏液霉菌算法（Slime Mould Algorithm, SMA）
2.4 数据解耦算法&数据校正方法
外部正交参数校正（External Parameter Orthogonalization，EPO）
正交信号校正算法（Orthogonal Signal Correction，OSC）
2.5数值映射
傅里叶变化与小波变化
马尔可夫链
稀疏字典学习：K-SVD
章节4：经典机器学习模型
朴素贝叶斯模型
K近邻算法
最小二乘法LS（Least Squares ）与偏最小二乘法PLS（Partial Least Squares ）
支持向量机SVM（Support Vector Machine）与最小二乘支持向量机LSSVM
集成学习
章节5 经典卷积深度学习模型CNN
5.1基础理论数学详解+手搓复现
经典CNN常见网络结构的数学表达式及其作用
深度学习训练过程详解与反向传播的构建
深度学习的训练优化器
模型训练细节
如何训练多个数据源输入的多源模型
5.2模块介绍
SE注意模块
5.3模型理论与复现代码
AlexNet与深度学习入门
空洞卷积网络&与空洞卷积模块
残差卷积网络ResNet
EfficientNet与复合缩放理论
PCA-EfficientNet：EifficientNet-OB系列
一维卷积神经网络设计
章节6 生产对抗网络 （Generative Adversarial Network，GAN）