# 说明
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**、**聚类**、**深度学习相关内容**、**NLP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。
由于时间和精力有限,部分代码来自github开源项目,如Seq2Seq、Transformer等部分的代码,部分章节代码待补充。
# 机器学习
- 线性回归([笔记](https://www.cnblogs.com/lyq2021/p/14353781.html))
- 感知机([笔记](https://www.cnblogs.com/lyq2021/p/14253768.html)+[代码](Code/perceptron.py))
- KNN([笔记](https://www.cnblogs.com/lyq2021/p/14253756.html)+[代码](Code/knn.py))
- 朴素贝叶斯([笔记](https://www.cnblogs.com/lyq2021/p/14253771.html)+[代码](Code/naive_bayes.py))
- 决策树([笔记](https://www.cnblogs.com/lyq2021/p/14253778.html)+[代码](Code/decision_tree.py))
- 逻辑回归([笔记](https://www.cnblogs.com/lyq2021/p/14253818.html)+[代码](Code/logistic_regression.py))
- 最大熵([笔记](https://www.cnblogs.com/lyq2021/p/14253820.html)+[代码](Code/max_entropy.py))
- SVM([笔记](https://www.cnblogs.com/lyq2021/p/14253858.html)+[代码](Code/svm.py))
- AdaBoost([笔记](https://www.cnblogs.com/lyq2021/p/14253860.html)+[代码](Code/adaboost.py))
- GBDT([笔记](https://www.cnblogs.com/lyq2021/p/14253863.html)+[代码](Code/gbdt.py))
- EM算法([笔记](https://www.cnblogs.com/lyq2021/p/14253869.html)+[代码](Code/em.py))
- 隐马尔可夫模型([笔记](https://www.cnblogs.com/lyq2021/p/14253871.html)+[代码](Code/hmm.py))
- 条件随机场([笔记](https://www.cnblogs.com/lyq2021/p/14253872.html))
- 随机森林([笔记](https://www.cnblogs.com/lyq2021/p/14253876.html)+[代码](Code/random_forest.py))
- XGBoost([笔记](https://www.cnblogs.com/lyq2021/p/14253885.html))
- 聚类([笔记](https://www.cnblogs.com/lyq2021/p/14341111.html))
- 特征工程之特征选择([笔记](https://www.cnblogs.com/lyq2021/p/14367515.html))
- 特征工程之降维算法([笔记](https://www.cnblogs.com/lyq2021/p/14364452.html))
# 深度学习
- 神经网络([笔记](https://www.cnblogs.com/lyq2021/p/14269424.html)+[代码](Code/neural_network.py))
- RNN([笔记](https://www.cnblogs.com/lyq2021/p/14295398.html))
- LSTM和GRU([笔记](https://www.cnblogs.com/lyq2021/p/14302282.html))
- CNN([笔记](https://www.cnblogs.com/lyq2021/p/14321103.html))
- 深度学习中的最优化方法([笔记](https://www.cnblogs.com/lyq2021/p/14336242.html))
# 自然语言处理
- 词嵌入之Word2Vec([笔记](https://www.cnblogs.com/lyq2021/p/14308673.html))
- 词嵌入之GloVe([笔记](https://www.cnblogs.com/lyq2021/p/14312830.html))
- 词嵌入之FastText([笔记](https://www.cnblogs.com/lyq2021/p/14313968.html))
- TextCNN([笔记](https://www.cnblogs.com/lyq2021/p/14317291.html)+[代码](Code/textcnn.py))
- Seq2Seq([笔记](https://www.cnblogs.com/lyq2021/p/14325262.html)+[代码](https://github.com/1033020837/pytorch-seq2seq/blob/master/4%20-%20Packed%20Padded%20Sequences%2C%20Masking%2C%20Inference%20and%20BLEU.ipynb))
- Transformer([笔记](https://www.cnblogs.com/lyq2021/p/14330534.html)+[代码](https://github.com/1033020837/pytorch-seq2seq/blob/master/6%20-%20Attention%20is%20All%20You%20Need.ipynb))
- BERT([笔记](https://www.cnblogs.com/lyq2021/p/14347124.html))
- LSTM+CRF进行序列标注([笔记](https://www.cnblogs.com/lyq2021/p/14253897.html))
- 主题模型([笔记](https://www.cnblogs.com/lyq2021/p/14394558.html))
没有合适的资源?快使用搜索试试~ 我知道了~
温馨提示
机器学习深度学习基础算法知识笔记与案例代码 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、聚类、深度学习相关内容、NLP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。 机器学习 线性回归(笔记) 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) 聚类(笔记) 特征工程之特征选择(笔记) 特征工程之降维算法(笔记) 深度学习 神经网络(笔记+代码) RNN
资源推荐
资源详情
资源评论
收起资源包目录
机器学习深度学习基础算法知识笔记与案例代码.zip (114个子文件)
example.dev 796KB
聚类_2.gif 364KB
聚类_1.gif 105KB
BERT_3.jpg 220KB
BERT_6.jpg 191KB
GloVe.jpg 180KB
BERT_4.jpg 121KB
BERT_5.jpg 93KB
CNN_1.jpg 90KB
BERT_1.jpg 78KB
神经网络_4.jpg 64KB
神经网络_1.jpg 45KB
Seq2Seq_4.jpg 40KB
RNN_1.jpg 40KB
Seq2Seq_3.jpg 37KB
Seq2Seq_2.jpg 27KB
RNN_2.jpg 23KB
主题模型_1.JPG 22KB
LSTM_1.jpg 20KB
Seq2Seq_1.jpg 15KB
Seq2Seq_5.jpg 15KB
EM_1.jpg 12KB
SVM.md 20KB
Bert.md 15KB
特征工程之降维算法.md 15KB
神经网络.md 15KB
EM算法.md 14KB
聚类算法.md 12KB
主题模型.md 11KB
最大熵.md 10KB
Transformer.md 10KB
特征工程之特征选择.md 9KB
决策树.md 8KB
Seq2Seq.md 8KB
词嵌入之Word2Vec.md 7KB
隐马尔可夫模型.md 7KB
线性回归.md 7KB
深度学习中的优化方法.md 6KB
CNN.md 6KB
LSTM和GRU.md 6KB
词嵌入之GloVe.md 6KB
AdaBoost.md 6KB
RNN.md 6KB
XGBoost.md 5KB
随机森林.md 5KB
CRF.md 4KB
README.md 4KB
LSTM+CRF.md 3KB
KNN.md 3KB
GBDT.md 3KB
感知机.md 3KB
朴素贝叶斯.md 3KB
逻辑回归.md 2KB
词嵌入之FastText.md 2KB
TextCNN.md 2KB
BERT_2.png 273KB
Transformer_13.png 163KB
xgboost_1.png 157KB
Transformer_8.png 134KB
Transformer_4.png 134KB
Transformer_1.png 125KB
Transformer_7.png 102KB
Transformer_2.png 98KB
xgboost_6.png 95KB
TextCNN_1.png 89KB
Transformer_12.png 88KB
Transformer_6.png 82KB
Transformer_14.png 75KB
CRF_1.png 70KB
xgboost_2.png 69KB
聚类_3.png 67KB
Transformer_10.png 55KB
xgboost_3.png 54KB
FastText_1.png 52KB
LSTM_2.png 51KB
线性回归_1.png 48KB
线性回归_2.png 48KB
xgboost_4.png 47KB
Transformer_11.png 45KB
xgboost_5.png 45KB
Transformer_9.png 37KB
特征工程之降维算法_2.png 36KB
特征工程之降维算法_1.png 35KB
Transformer_5.png 27KB
特征工程之降维算法_3.png 26KB
Transformer_3.png 26KB
逻辑回归_1.png 22KB
Word2Vec_1.png 19KB
神经网络_2.png 19KB
Word2Vec_2.png 19KB
SVM_1.png 10KB
神经网络_3.png 10KB
SVM_2.png 2KB
decision_tree.py 15KB
max_entropy.py 10KB
svm.py 8KB
neural_network.py 8KB
gbdt.py 7KB
adaboost.py 7KB
em.py 6KB
共 114 条
- 1
- 2
资源评论
Python极客之家
- 粉丝: 1179
- 资源: 50
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
最新资源
- 基于flask和echarts融合交易策略的bitfinex可视化微服务.zip
- 包含了wvp-assist.tar wvp-talk.tar zlmediakit.tar .
- 3r4efgh53wgrf43tw
- 2024新版Java基础从入门到精通全套视频+资料下载
- Spring AI大模型视频教程+ChatGPT视频教程+OpenAI大模型视频教程(资料+视频教程)
- ABB工业机器人教程PDF版本
- 123321123323211
- yolov8实战第八天-pyqt5-yolov8实现车牌识别系统(论文(约7000字)+数据集+完整部署代码+代码使用说明)
- 三相桥式全桥整流电路MATALB Simulink仿真文件
- ABB机器人操作培训文档
资源上传下载、课程学习等过程中有任何疑问或建议,欢迎提出宝贵意见哦~我们会及时处理!
点击此处反馈
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功