ML&DL
- 正则化：L0 vs L1 vs L2
- Decision Tree、Random Forest、AdaB
- ML&MLDS笔记：偏差 vs 方差
- HMM基础
- Naive RNN vs LSTM vs GRU、attenti
- 常用的评价指标：accuracy、precision、recal
- 处理不平衡数据的基本方法
- GMM基础
- 机器学习技法笔记：16 Finale
- 机器学习技法笔记：15 Matrix Factorization
- 机器学习技法笔记：14 Radial Basis Functio
- 机器学习技法笔记：13 Deep Learning
- 机器学习技法笔记：12 Neural Network
- 机器学习技法笔记：11 Gradient Boosted Dec
- 机器学习技法笔记：10 Random Forest
- 机器学习技法笔记：09 Decision Tree
- 机器学习技法笔记：08 Adaptive Boosting
- 机器学习技法笔记：07 Blending and Bagging
- 机器学习技法笔记：06 Support Vector Regre
- 机器学习技法笔记：05 Kernel Logistic Regr
- 机器学习技法笔记：04 Soft-Margin Support
- 机器学习技法笔记：03 Kernel Support Vecto
- 机器学习技法笔记：02 Dual Support Vector
- 机器学习技法笔记：01 Linear Support Vecto
- Bagging vs Boosting vs Stacking
- Logistic Regression vs Naive Bay
- 梯度下降：SGD vs Momentum vs NAG vs A
- 词表征 3：GloVe、fastText、评价词向量、重新训练词
- 词表征 2：word2vec、CBoW、Skip-Gram、Ne
- 机器学习基石笔记：16 Three Learning Princ
- 机器学习基石笔记：15 Validation
- 机器学习基石笔记：14 Regularization
- 机器学习基石笔记：13 Hazard of Overfittin
- 机器学习基石笔记：12 Nonlinear Transforma
- 机器学习基石笔记：11 Linear Models for Cl
- 机器学习基石笔记：10 Logistic Regression
- 机器学习基石笔记：09 Linear Regression
- 机器学习基石笔记：08 Noise and Error
- 机器学习基石笔记：07 The VC Dimension
- 机器学习基石笔记：06 Theory of Generaliza
- 机器学习基石笔记：05 Training versus Test
- 正交矩阵、EVD、SVD
- 文本表征：SoW、BoW、TF-IDF、Hash Trick、d
- 词表征 1：WordNet、0-1表征、共现矩阵、SVD
- 机器学习基石笔记：04 Feasibility of Learn
- 机器学习基石笔记：03 Types of Learning
- 机器学习基石笔记：02 Learning to Answer Y
- 机器学习基石笔记：01 The Learning Problem
- 机器学习技法笔记：Homework #8 kNN&RBF
- 机器学习技法笔记：Homework #7 Decision Tr
Machine Learning&Deep Learning相关总结