机器学习资料笔记汇总

古城微笑少年丶 2021-12-21 10:07 404阅读 0赞

1.  [机器学习性能评估指标][Link 1]  
    [深入理解AUC][AUC]  
    [AUC的计算方法][AUC 1]
2.  [Wand算法][Wand]
3.  [embedding的解释][embedding]  
    [word embedding的一个例子 - Book Recommendation System][word embedding_ - Book Recommendation System]  
    [Embedding从入门到专家必读的十篇论文 - 王喆的文章 - 知乎][Embedding_ - _ -]  
    [一篇浅显易懂的word2vec原理讲解 - 知乎][word2vec_ -] （数学原理）  
    [理解 Word2Vec 之 Skip-Gram 模型 - 天雨粟的文章 - 知乎][Word2Vec _ Skip-Gram _ - _ -] （实现过程的trick）  
    [n-gram的统计语言模型Python实现][n-gram_Python]  
    [Word2Vec介绍: 为什么使用负采样（negtive sample）？ - 刘博的文章 - 知乎][Word2Vec_ _negtive sample_ - _ -]  
    [基于Negative Sampling的模型][Negative Sampling]
4.  [DSSM算法][DSSM]  
    [深度语义模型以及在淘宝搜索中的应用][Link 2]  
    [【NLP干货】深度学习在美团点评推荐业务中实践 - 面包君的文章 - 知乎][NLP_ - _ -]  
    [《搜索与推荐中的深度学习匹配》之搜索篇 - 黄冠的文章 - 知乎][- _ -]  
    [检索式问答系统的语义匹配模型（神经网络篇） - 轩然的文章 - 知乎][- _ - 1]  
    [CTR、推荐系统学习路线 - 杀手XIII的文章 - 知乎][CTR_ - _XIII_ -]  
    [谷歌、阿里、微软等10大深度学习CTR模型最全演化图谱【推荐、广告、搜索领域】 - 王喆的文章 - 知乎][10_CTR_ - _ -]
5.  [蓄水池抽样][Link 3]  
    [按概率随机生成结果 ][Link 4]  
    [三种洗牌算法][Link 5]
6.  [朴素贝叶斯算法及其应用——垃圾邮件分类][Link 6]
7.  [各种机器学习算法的应用场景分别是什么][Link 7]  
    [几个常用算法的适应场景及其优缺点][Link 8]
8.  [SVM高频面试题][SVM]  
    [支持向量机之Hinge Loss 解释][Hinge Loss]
9.  [机器学习算法岗面试与提问总结][Link 9]
10. [推荐系统原理][Link 10]  
    [FM模型][FM]  
    [深入浅出FM和类似推荐算法][FM 1]  
    [深度推荐系统 - 知乎专栏][-]
11. [面试中的概率题][Link 11]
12. [LSTM梯度消失问题][LSTM]
13. [一个框架看懂优化算法之异同 SGD/AdaGrad/Adam][SGD_AdaGrad_Adam]
14. [二元分类为什么不能用MSE做为损失函数？][MSE]
15. [如何通俗地理解“最大似然估计法”?][Link 12]  
    [聊一聊机器学习的MLE和MAP：最大似然估计和最大后验估计 - 夏飞的文章 - 知乎][MLE_MAP_ - _ -]  
    [简单的交叉熵，你真的懂了吗？ - 蔡杰的文章 - 知乎][- _ - 2]
16. [人人都懂EM算法 - August的文章 - 知乎][EM_ - August_ -]
17. [PCA的数学原理][PCA]  
    [PCA与白化（whitening）][PCA_whitening]  
    [深入理解PCA与SVD的关系][PCA_SVD]  
    [SVD（奇异值分解）小结][SVD]  
    [SVD几何意义][SVD 1]  
    [SVD的应用——LSA（Latent Semantic Indexing）][SVD_LSA_Latent Semantic Indexing]
18. [深度学习-流形分布][- 1]
19. [受限玻尔兹曼机RBM最通俗易懂的教程][RBM]  
    [受限玻尔兹曼机（RBM）学习笔记（一）预备知识][RBM 1]
20. [堆叠降噪自动编码器 Stacked Denoising Auto Encoder（SDAE）][Stacked Denoising Auto Encoder_SDAE]
21. [卷积神经网络系列之softmax，softmax loss和cross entropy的讲解][softmax_softmax loss_cross entropy]
22. [神经网络Dropout层中为什么dropout后还需要进行rescale？ - 小莲子的回答 - 知乎][Dropout_dropout_rescale_ - _ -]
23. [Xavier初始化原理 - 夕小瑶的文章 - 知乎][Xavier_ - _ -]
24. 持续更新ing

[Link 1]: http://charleshm.github.io/2016/03/Model-Performance/
[AUC]: https://tracholar.github.io/machine-learning/2018/01/26/auc.html
[AUC 1]: https://blog.csdn.net/qq_22238533/article/details/78666436
[Wand]: https://x-algo.cn/index.php/2016/07/13/812/
[embedding]: https://www.tensorflow.org/guide/embedding
[word embedding_ - Book Recommendation System]: https://github.com/WillKoehrsen/wikipedia-data-science/blob/master/notebooks/Book%20Recommendation%20System.ipynb
[Embedding_ - _ -]: https://zhuanlan.zhihu.com/p/58805184
[word2vec_ -]: https://zhuanlan.zhihu.com/p/44599645
[Word2Vec _ Skip-Gram _ - _ -]: https://zhuanlan.zhihu.com/p/27234078
[n-gram_Python]: https://blog.csdn.net/Yellow_python/article/details/89088854
[Word2Vec_ _negtive sample_ - _ -]: https://zhuanlan.zhihu.com/p/29488930
[Negative Sampling]: https://www.cnblogs.com/pinard/p/7249903.html
[DSSM]: https://blog.csdn.net/u011734144/article/details/79617104
[Link 2]: https://zhuanlan.zhihu.com/p/33537217
[NLP_ - _ -]: https://zhuanlan.zhihu.com/p/55023302
[- _ -]: https://zhuanlan.zhihu.com/p/38296950
[- _ - 1]: https://zhuanlan.zhihu.com/p/67132780
[CTR_ - _XIII_ -]: https://zhuanlan.zhihu.com/p/28203217
[10_CTR_ - _ -]: https://zhuanlan.zhihu.com/p/63186101
[Link 3]: https://zhuanlan.zhihu.com/p/29178293
[Link 4]: http://www.sohu.com/a/332852987_298038
[Link 5]: https://blog.csdn.net/qq_26399665/article/details/79831490
[Link 6]: http://blog.lisp4fun.com/2018/03/09/bayes
[Link 7]: https://www.zhihu.com/question/26726794/answer/151282052
[Link 8]: https://blog.csdn.net/u010159842/article/details/52918815
[SVM]: https://zhuanlan.zhihu.com/p/43827793
[Hinge Loss]: https://www.cnblogs.com/ooon/p/5539687.html
[Link 9]: https://zhuanlan.zhihu.com/p/58434325
[Link 10]: https://zhuanlan.zhihu.com/p/75216527
[FM]: https://zhuanlan.zhihu.com/p/58160982
[FM 1]: https://medium.com/@yaoyaowd/%E6%B7%B1%E5%85%A5%E6%B5%85%E5%87%BAfm%E5%92%8C%E7%B1%BB%E4%BC%BC%E6%8E%A8%E8%8D%90%E7%AE%97%E6%B3%95-8e9cf836d146
[-]: https://zhuanlan.zhihu.com/deep-recsys
[Link 11]: https://www.cnblogs.com/fanling999/p/6777335.html
[LSTM]: https://www.cnblogs.com/bonelee/p/10475453.html
[SGD_AdaGrad_Adam]: https://zhuanlan.zhihu.com/p/32230623
[MSE]: http://sofasofa.io/forum_main_post.php?postid=1001792
[Link 12]: https://www.matongxue.com/madocs/447.html
[MLE_MAP_ - _ -]: https://zhuanlan.zhihu.com/p/32480810
[- _ - 2]: https://zhuanlan.zhihu.com/p/61944055
[EM_ - August_ -]: https://zhuanlan.zhihu.com/p/36331115
[PCA]: http://blog.codinglabs.org/articles/pca-tutorial.html
[PCA_whitening]: https://www.cnblogs.com/tornadomeet/archive/2013/03/21/2973231.html
[PCA_SVD]: https://zhuanlan.zhihu.com/p/58064462
[SVD]: https://www.cnblogs.com/endlesscoding/p/10033527.html
[SVD 1]: https://yzhihao.github.io/machine%20learning/2017/02/13/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0%E6%9C%89%E5%85%B3%E7%9A%84%E6%95%B0%E5%AD%A6%E5%9F%BA%E7%A1%80%E7%9F%A5%E8%AF%86-%E7%BA%BF%E4%BB%A3.html
[SVD_LSA_Latent Semantic Indexing]: https://www.cnblogs.com/LeftNotEasy/archive/2011/01/19/svd-and-applications.html
[- 1]: https://mp.weixin.qq.com/s?__biz=MzIwMTQ4MzQwNQ==&mid=2653319129&idx=1&sn=626026919d4005d6abf50a45bcd66beb&chksm=8d3ffa3bba48732d6e13dd1d6893d960c3481844061aede52c25ecff0a4cacb4a4a425a365ba##
[RBM]: https://blog.csdn.net/u013631121/article/details/76652647
[RBM 1]: https://blog.csdn.net/itplus/article/details/19168937
[Stacked Denoising Auto Encoder_SDAE]: https://blog.csdn.net/zbzcDZF/article/details/86570761
[softmax_softmax loss_cross entropy]: https://www.cnblogs.com/nopassword/p/8192474.html
[Dropout_dropout_rescale_ - _ -]: https://www.zhihu.com/question/61751133/answer/794717140
[Xavier_ - _ -]: https://zhuanlan.zhihu.com/p/27919794