机器学习系列教程
从随机森林开始，一步步理解决策树、随机森林、ROC/AUC、数据集、交叉验证的概念和实践。
文字能说清的用文字、图片能展示的用、描述不清的用公式、公式还不清楚的写个简单代码，一步步理清各个环节和概念。
再到成熟代码应用、模型调参、模型比较、模型评估，学习整个机器学习需要用到的知识和技能。
一图感受各种机器学习算法
机器学习算法 - 随机森林之决策树初探（1）
机器学习算法-随机森林之决策树R 代码从头暴力实现（2）
机器学习算法-随机森林之决策树R 代码从头暴力实现（3）
机器学习算法-随机森林之理论概述
机器学习算法-随机森林初探（1）
机器学习 - 随机森林手动10 折交叉验证
机器学习 模型评估指标 - ROC曲线和AUC值
机器学习 - 训练集、验证集、测试集
一个函数统一238个机器学习R包，这也太赞了吧
基于Caret和RandomForest包进行随机森林分析的一般步骤 （1）
Caret模型训练和调参更多参数解读(2)
基于Caret进行随机森林随机调参的4种方式
机器学习第17篇 - 特征变量筛选（1）
机器学习第18篇 - Boruta特征变量筛选（2）
机器学习第19篇 - 机器学习系列补充：数据集准备和更正YSX包
机器学习第20篇 - 基于Boruta选择的特征变量构建随机森林
机器学习第21篇 - 特征递归消除RFE算法 理论
机器学习第22篇 - RFE筛选出的特征变量竟然是Boruta的4倍之多
机器学习第23篇 - 更多特征变量却未能带来随机森林分类效果的提升
机器学习相关书籍分享
UCI机器学习数据集
送你一个在线机器学习网站，真香！
多套用于机器学习的多种癌症表达数据集
这个统一了238个机器学习模型R包的参考手册推荐给你
莫烦Python机器学习
机器学习与人工智能、深度学习有什么关系？终于有人讲明白了
一套完整的基于随机森林的机器学习流程（特征选择、交叉验证、模型评估））
机器学习
后台回复“生信宝典福利第一波”或点击阅读原文获取教程合集
