预测问题一直是机器学习领域最重要的问题之一。很多算法包括回归、决策树等都是用来解决预测的常用算法。预测问题的核心是基于已有的有标签的数据来判断新数据的标签。一般来说，根据预测标签是离散的还是连续的可以分成分类问题和回归问题。注意，本篇博客主要是快速回顾描述各个模型的优缺点，因此不会对模型有很深的介绍。
你成功啦！！！
最优化问题的KKT条件简要解释
Java读取和操作上G文本数据
深度学习技术之池化（Pooling）
并行计算中如何提高处理效率——来自Dask的提示
博客转移
[翻译]当推荐系统遇上深度学习
Microsoft Visual C++ 14.0 is required 的解决方案
R语言分析面板数据：简单案例
【转载】全面解读ICML 2017五大研究热点 | 腾讯AI Lab独家解析
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
回归模型中的交互项简介（Interactions in Regression）
使用R语言进行K-means聚类并分析结果
矩母函数简介（Moment-generating function）
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
stata 用outreg2输出回归结果
Wishart分布简介
深度学习技巧之Early Stopping（早停法）