萌新的机器学习
- 矩阵分解在推荐系统中的应用
- LDA主题模型
- 轻量化卷积神经网络
- 强化学习最优策略解法
- 策略梯度法
- 从TRPO到PPO
- 采样方法
- 深度强化学习-Sarsa和Q-Learning的区别
- Learning to learn
- 深度学习CTR预估（二）
- EM算法及其与k-means算法的关系
- 从结构化风险最小化角度理解SVM
- 逐层贪婪训练-栈式自编码
- 预处理：主成分分析与白化
- 计算机视觉-目标追踪
- 从AlphaGo到AlphaGoZero
- 生成式对抗网络
- 计算机视觉-语义分割
- 推荐系统-CTR预估
- 深度强化学习-玩游戏
- 计算机视觉-目标检测
- 自然语言处理-seq2seq
- 关联规则和Aprior算法
- 最大熵模型
- PCA主成分分析
- 逻辑斯谛回归
- 隐马尔科夫模型
- 朴素贝叶斯
- Adaboost和提升树
- EM算法
- 决策树
- 支持向量机
- 极大似然估计和贝叶斯估计
- 特征值与特征向量的实际意义
- 深度学习训练算法总结
- 深度学习中的逆卷积
本专题主要分享数据挖掘和深度学习方面的文章