[置顶] 文章索引::”机器学习方法“,"深度学习方法",“三十分钟理解”原创系列

时间:2023-01-05 05:46:32

转载请注明,本文出自Bin的专栏http://blog.csdn.net/xbinworld,谢谢!

————————————————————————————————————————————

目前我已经整理了的系列原创文章(利用工作之余的时间写的,比较慢,请见谅),未完待续。

声明:本博客所有内容都为工作业余时间的学习笔记,且都为公开资料或书本知识,与具体工作内容无关。

  1. 机器学习方法:回归(一):线性回归linear regression
  2. 机器学习方法:回归(二):回归、稀疏与正则约束ridge regression,Lasso
  3. 机器学习方法:回归(三):最小角回归Least Angle Regression,forward stagewise selection
  4. 机器学习方法(四):决策树decision tree原理与实现trick
  5. 机器学习方法(五):逻辑回归Logistic Regression,Softmax Regression
  6. 机器学习方法(六):随机森林Random Forest,bagging
  7. 机器学习方法(七):Kmeans聚类K值如何选,以及数据重抽样方法Bootstrapping
  8. 机器学习方法(八):随机采样方法整理(MCMC、Gibbs Sampling等)


  1. 深度学习方法:受限玻尔兹曼机RBM(一)(二)(三)(四)
  2. 深度学习方法:卷积神经网络CNN(五)经典模型整理Lenet,Alexnet,Googlenet,VGG,Deep Residual Learning
  3. 深度学习方法(六):神经网络weight参数怎么初始化
  4. 深度学习方法(七):SqueezeNet 模型详解,CNN模型参数降低50倍,压缩461倍!


  5. 深度学习方法(八):Encoder-Decoder模型,基本Sequence to Sequence模型

  6. 深度学习方法(九):自然语言处理中的Attention Model注意力模型
  7.  

    深度学习方法(十):卷积神经网络结构变化——Maxout Networks,Network In Network,Global Average Pooling


  8. 深度学习方法(十一):卷积神经网络结构变化——Google Inception V1-V4,Xception(depthwise convolution)

  9. 深度学习方法(十二):卷积神经网络结构变化——Spatial Transformer Networks

  10. 深度学习方法(十三):卷积神经网络结构变化——可变形卷积网络deformable convolutional networks



三十分钟理解系列:
  1. 三十分钟理解博弈论“纳什均衡” -- Nash Equilibrium
  2. 《微微一笑很倾城》中肖奈大神说的平方根倒数速算法是什么鬼?三十分钟理解!
  3. 三十分钟理解计算图上的微积分:Backpropagation,反向微分
  4. [重磅]Deep Forest,非神经网络的深度模型,周志华老师最新之作,三十分钟理解!

  5. 三十分钟理解:线性插值,双线性插值Bilinear Interpolation算法







  1. 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第一部分
  2. 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第二部分
  3. 自组织神经网络介绍:自组织特征映射SOM(Self-organizing feature Map),第三部分




————————————————————————————————————————————

目前想到的有这些topic,我就抽工作业余时间慢慢复习,慢慢写

content: 
linear regression, Ridge, Lasso 

LARS

Logistic Regression, Softmax 
Kmeans, GMM, EM, Spectral Clustering 

Dimensionality Reduction: PCA、LDA、Laplacian Eigenmap、 LLE、 Isomap(基本写过了,需要修改前面的blog) 
SVM ,KKT
Decision Tree: ID3、C4.5 
Apriori,FP 

SOM

优化方法:BFGS method,SGD,Conjugate gradient,Coordinate descent等
PageRank
minHash, LSH, Hashing,Product Quantization

Manifold Ranking,EMR

PLSA,LDA


Deep Learning Basics:

MLP/ANN

RBM

CNN

AutoEncoder,DAE,SAE

RNN/LSTM

还有很多其他的


待补充 


————————————————————————————————————————————

“机器学习/深度学习方法“系列,我本着开放与共享(open and share)的精神撰写,目的是让更多的人了解机器学习的概念,理解其原理,学会应用。现在网上各种技术类文章很多,不乏大牛的精辟见解,但也有很多滥竽充数、误导读者的。这个系列对教课书籍和网络资源进行汇总、理解与整理,力求一击中的,通俗易懂。机器学习很难,是因为她有很扎实的理论基础,复杂的公式推导;机器学习也很简单,是因为对她不甚了解的人也可以轻易使用。我希望好好地梳理一些基础方法模型,输出一些真正有长期参考价值的内容,让更多的人了解机器学习。所以对自己的要求有三:(1)不瞎写,有理有据;(2)尽量写的通俗易懂;(3)多看多想,深入浅出。


本人14年博士毕业,博士期间做的machine learning算法研究,毕业后360度大转行做硬件芯片设计,但是依然可以把自己所学所知的ML算法用于工作中,希望与志同道合的朋友一起交流,我设立了了一个技术交流QQ群:433250724,欢迎对算法、技术、应用感兴趣的同学加入,让理论研究与实际应用深度融合;也希望能有大牛能来,为大家解惑授业,福泽大众。推广开放与共享的精神。如果人多我就组织一些读书会,线下交流。(现在人还不多,不管做什么方向的大家都可以多多交流,希望有更多的人可以来讨论,重点是对machine learning感兴趣。)本群与任何工作关系无关,纯粹是技术交流,谢谢!