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、LSTM+CRF、深度学习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。

由于时间和精力原因，部分代码来自github开源项目，如Seq2Seq、Transformer等部分的代码。

• 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）

• 神经网络（笔记+代码）
• RNN(笔记)
• LSTM和GRU(笔记)
• CNN(笔记)
• 深度学习中的最优化方法（笔记）

• 词嵌入之Word2Vec(笔记)
• 词嵌入之GloVe(笔记)
• 词嵌入之FastText(笔记)
• TextCNN（笔记+代码）
• Seq2Seq（笔记+代码）
• Transformer（笔记+代码）
• BERT（笔记）
• LSTM+CRF进行序列标注（笔记）

• 线性回归
• 降维算法
• 特征选择方法
• 主题模型
• LightGBM
• 其他基础知识点