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、深度学习相关内容等是书中未提及的。

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)

• 神经网络(笔记+代码)

• LSTM+CRF(笔记)

• 机器学习基础理论
• 聚类
• 降维算法
• 最优化方法
• RNN、CNN等深度学习基础知识
• 自然语言处理相关技术(词嵌入、预训练模型等)
• 等等