机器学习、深度学习、自然语言处理基础知识总结。
目前主要参考李航老师的《统计学习方法》一书,也有一些内容例如XGBoost、LSTM+CRF是书中未提及的。
由于github的markdown解析器不支持latex,因此笔记部分需要在本地使用Typora才能正常浏览,也可以直接访问下面给出的博客链接。
Document文件夹下为笔记,Code文件夹下为代码,Data文件夹下为某些代码所使用的数据集,Image文件夹下为笔记部分所用到的图片。
- 感知机(笔记+代码)
- KNN(笔记+代码)
- 朴素贝叶斯(笔记+代码)
- 决策树(笔记+代码)
- 逻辑回归(笔记+代码)
- 最大熵(笔记+代码)
- SVM(笔记+代码)
- AdaBoost(笔记+代码)
- GBDT(笔记+代码)
- EM算法(笔记+代码)
- 隐马尔可夫模型(笔记+代码)
- 条件随机场(笔记)
- 随机森林(笔记+代码)
- XGBoost(笔记)
- LSTM+CRF(笔记)
- 机器学习基础理论
- 神经网络
- 聚类
- 降维算法
- 自然语言处理相关技术(词嵌入、预训练模型等)
- 最优化方法