分类和回归

本文介绍了如何使用统计检验诊断多元线性回归模型中的参数，以及如何诊断模型中的离群点、异方差性和共线性问题，同时还介绍了线性回归模型中几种常用的特征选择方法

本文从数理统计的角度出发介绍了如何使用最大似然估计求解多元线性回归模型中的参数，以及如何推导参数估计值的统计分布和特性

本文第一部分以多分类算法为例介绍了神经网络的前向传播、后向传播以及使用梯度下降进行训练；第二部分介绍了神经网络在实际应用中的一些技巧，包括参数初始化、Adam、Dropout、Mini-Batch梯度下降、Batch Normalization等

本文以多分类问题为例介绍了梯度提升决策树GBDT和它的扩展版本XGBOOST的算法原理，以及XGBOOST包中的重要参数

本文介绍了CART决策树和随机森林的算法原理，算法中一些参数的意义，以及使用时的一些注意事项