KO | EN

GitLite

Minimalist Open Source Repository Search Engine

gitlite — search

#typescript #ai-agents #cli #open-source #ai #claude-code #codex #developer-tools #dsh-plugin #ai-agent #mcp #deepseek-harness

MachineLearning

★ 65 Open GitHub ↗

some real example of machine learn algorithm

// repository documentation

Was this content helpful?

★ 0 (0 ratings)

# 机器学习
我的机器学习之路

# 1. 基础知识
|Name|Source|Comment|
| ---- | -------|------- |
|逻辑回归|[1.逻辑回归.md](machine-learning/1.逻辑回归.md)|逻辑回归算法原理与常见问题|
|支持向量机|[2.支持向量机.md](machine-learning/2.支持向量机.md)|支持向量机算法原理|
|树模型|[3.树模型-决策树.md](machine-learning/3.树模型-决策树.md)|决策树基础|
|树模型|[3.树模型-梯度提升树.md](machine-learning/3.树模型-梯度提升树.md)|adaboost, xgboost, lgb等提升模型|
|朴素贝叶斯|[4.朴素贝叶斯.md](machine-learning/4.朴素贝叶斯.md)|朴素贝叶斯模型|
|聚类算法|[5.聚类算法.md](machine-learning/5.聚类算法.md)|聚类算法k-means,dbscan等|
|降维|[6.降维(PCA,LDA).md](machine-learning/6.降维(PCA,LDA).md)|降维相关算法总结pca,lda等|
|概率图模型|[7.概率图模型.md](machine-learning/7.概率图模型.md)| 概率图模型综述，hmm, crf模型等|
|信息论基础|[8.信息论基础.md](machine-learning/8.信息论基础.md)| 信息、熵、KL散度等|
|模型压缩方法|[9.模型压缩方法.md](machine-learning/9.模型压缩方法.md)| 模型压缩相关方法|

# 2. 搜索
| Name | Source |Comment |
| ---- | -------|------- |
|信息检索概述|[1.信息检索概述.md](Search/1.信息检索概述.md)|信息检索概述|
|信息检索相关指标概念|[2.信息检索相关指标概念.md](Search/2.信息检索相关指标概念.md)|信息检索相关指标|
|query纠错|[3.query纠错.md](Search/3.query纠错.md)|query纠错方法|
|基于深度语言模型召回|[4.基于深度语言模型召回.md](Search/4.基于深度语言模型召回.md)|深度召回模型|
|深度查询理解|[5.深度查询理解.md](Search/5.深度查询理解.md)|深度查询理解|
|检索中的序列标注问题|[6.检索中的序列标注问题-poi检索.md](Search/6.检索中的序列标注问题-poi检索.md)|POI检索中的序列标注|

# 3. 推荐
| Name | Source |Comment |
| ---- | -------|------- |
|特征工程|[1.1.特征工程.md](Rec/1.1.特征工程.md)|常用特征工程和原理|
|特征工程面试|[1.2.特征工程面试.md](Rec/1.2.特征工程面试.md)|特征工程常见面试问题|
|主流CTR模型|[2.1.主流ctr模型.md](Rec/2.1.主流ctr模型.md)|主流ctr模型演进|
|主流CTR模型面试|[2.2.主流ctr模型面试.md](Rec/2.2.主流ctr模型面试.md)|CTR模型常见面试问题|
|序列建模|[3.1.序列建模.md](Rec/3.1.序列建模.md)|序列建模在推荐中的应用|

# 4. NLP
| Name | Source |Comment |
| ---- | -------|------- |
|词向量总结|[1.词向量总结.md](NLP/1.词向量总结.md)|词向量相关总结|
|fastText|[2.fastText-快速的文本分类模型.md](NLP/2.fastText-快速的文本分类模型.md)|fastText模型|
|transformer|[3.transformer.md](NLP/3.transformer.md)|transformer相关总结|
|Bert|[4.Bert-Flat.md](NLP/4.Bert-Flat.md)|Bert相关总结|

# 5. 面试相关
| Name | Source |Comment |
| ---- | -------|------- |
|激活函数总结|[1.激活函数总结.md](interview/1.激活函数总结.md)|激活函数相关|
|深度学习中normalization总结|[2.深度学习中normalization总结.md](interview/2.深度学习中normalization总结.md)|normalization及其变种|
|机器学习中的ROC与PR曲线|[3.机器学习中的ROC与PR曲线.md](interview/3.机器学习中的ROC与PR曲线.md)|ROC与PR曲线|
|一阶优化算法|[4.一阶优化算法.md](interview/4.一阶优化算法.md)|一阶优化算法|
|常用特征工程总结|[5.常用的特征工程总结.md](interview/5.常用的特征工程总结.md)|特征工程总结|
|深度学习常见问题总结|[6.深度学习常见问题总结.md](interview/6.深度学习常见问题总结.md)|深度学习面试问题|
|faiss原理与面试总结|[7.faiss原理与面试总结.md](interview/7.faiss原理与面试总结.md)|faiss原理|
|tensorflow基础知识|[tensorflow基础知识.md](interview/tensorflow基础知识.md)|tensorflow基础|
|word_embedding|[word_embedding.md](interview/word_embedding.md)|word embedding总结|

## License

MachineLearning

Explore Similar Repositories

Was this content helpful?

Recent Feedback

Download README