Basic4AI

說明

機器學習、深度學習、自然語言處理基礎知識總結。

目前主要參考李航老師的《統計學習方法》一書，也有一些內容例如XGBoost 、聚類、深度學習相關內容、 NLP相關內容等是書中未提及的。

由於github的markdown解析器不支持latex，因此筆記部分需要在本地使用Typora才能正常瀏覽，也可以直接訪問下面給出的博客鏈接。

Document文件夾下為筆記，Code文件夾下為代碼，Data文件夾下為某些代碼所使用的數據集，Image文件夾下為筆記部分所用到的圖片。

由於時間和精力有限，部分代碼來自github開源項目，如Seq2Seq、Transformer等部分的代碼，部分章節代碼待補充。

機器學習

• 線性回歸（筆記）
• 感知機（筆記+代碼）
• KNN（筆記+代碼）
• 樸素貝葉斯（筆記+代碼）
• 決策樹（筆記+代碼）
• 邏輯回歸（筆記+代碼）
• 最大熵（筆記+代碼）
• SVM（筆記+代碼）
• AdaBoost（筆記+代碼）
• GBDT（筆記+代碼）
• EM算法（筆記+代碼）
• 隱馬爾可夫模型（筆記+代碼）
• 條件隨機場（筆記）
• 隨機森林（筆記+代碼）
• XGBoost（筆記）
• 聚類（筆記）
• 特徵工程之特徵選擇（筆記）
• 特徵工程之降維算法（筆記）

深度學習

• 神經網絡（筆記+代碼）
• RNN(筆記)
• LSTM和GRU(筆記)
• CNN(筆記)
• 深度學習中的最優化方法（筆記）

自然語言處理

• 詞嵌入之Word2Vec(筆記)
• 詞嵌入之GloVe(筆記)
• 詞嵌入之FastText(筆記)
• TextCNN（筆記+代碼）
• Seq2Seq（筆記+代碼）
• Transformer（筆記+代碼）
• BERT（筆記）
• LSTM+CRF進行序列標註（筆記）
• 主題模型（筆記）