иллюстрировать
Сводка базовых знаний о машинном обучении, глубокого обучения и обработки естественного языка.
В настоящее время в книге «Статистическое обучение» в основном это относится к книге «Статистическое обучение» учителя Ли Ханга, а некоторые содержимое, такое как XGBOOST , кластеризация , контент, связанный с глубоким обучением , контент, связанный с НЛП , и т. Д. Не упоминается в книге.
Поскольку анализатор маркировки Github не поддерживает латекс, ноты необходимо использовать локально для нормального просмотра, и вы также можете напрямую доступ к ссылке в блоге, приведенной ниже.
Папка документов - это примечания, папка кода - это код, папка данных - это набор данных, используемый определенными кодами, а папка изображений - это изображения, используемые в разделе Примечания.
Из -за ограниченного времени и энергии некоторые из кода поступают из проектов с открытым исходным кодом Github, таких как SEQ2SEQ, Transformer и другие части кода, и некоторые коды главы должны быть дополнены.
Машинное обучение
- Линейная регрессия (примечания)
- Машина восприятия (примечания + код)
- Knn (Notes + Code)
- Наивный Байес (примечания + код)
- Дерево решений (примечания + код)
- Логистическая регрессия (примечания + код)
- Максимальная энтропия (примечания + код)
- SVM (примечания + код)
- Adaboost (Notes + Code)
- Gbdt (примечания + код)
- EM -алгоритм (примечания + код)
- Скрытая модель Маркова (примечания + код)
- Условное случайное поле (примечания)
- Случайный лес (примечания + код)
- Xgboost (примечания)
- Кластеризация (примечания)
- Выбор функций инженерии (примечания)
- Алгоритм сокращения размеров для инженерии функций (примечания)
Глубокое обучение
- Нейронная сеть (примечания + код)
- Rnn (примечания)
- LSTM и GRU (Примечания)
- CNN (Примечания)
- Методы оптимизации в глубоком обучении (примечания)
Обработка естественного языка
- Word2vec (примечания)
- Перчатка (примечания)
- Fasttext (Примечания)
- TextCnn (Notes + Code)
- Seq2seq (примечания + код)
- Трансформатор (примечания + код)
- Берт (Примечания)
- LSTM+CRF для аннотации последовательности (примечания)
- Модель темы (примечания)