LLM And Search

学习路径

  • 回归算法
    • 线性回归
    • 逻辑回归
    • 多元自适应回归（MARS）
    • 本地散点平滑估计（LOESS）
  • 基于实例的学习算法
    • K - 邻近算法（kNN）
    • 学习矢量化（LVQ）
    • 自组织映射算法（SOM）
    • 局部加权学习算法（LWL）
  • 正则化算法
    • 岭回归（Ridge Regression）
    • LASSO（Least Absolute Shrinkage and Selection Operator）
    • Elastic Net
    • 最小角回归（LARS）
  • 决策树算法
    • 分类和回归树（CART）
      • 分类：基尼指数
      • 回归：最小平方差
      • 离散+连续数据
    • ID3 算法 (Iterative Dichotomiser 3)
      • 最大信息增益
      • 分类
      • 离散数据
    • C4.5 和 C5.0
      • 最大信息增益率
      • 分类
      • 离散+连续数据
    • CHAID（Chi-squared Automatic Interaction Detection(）
    • 随机森林（Random Forest）
    • 多元自适应回归样条（MARS）
    • 梯度推进机（Gradient Boosting Machine， GBM）
  • 贝叶斯算法
    • 朴素贝叶斯
    • 高斯朴素贝叶斯
    • 多项式朴素贝叶斯
    • AODE（Averaged One-Dependence Estimators）
    • 贝叶斯网络（Bayesian Belief Network）
  • 基于核的算法
    • 支持向量机（SVM）
      • 函数间隔，几何间隔，软间隔
      • 拉格朗日函数，对偶问题，KKT
      • SMO，核函数
    • 径向基函数（Radial Basis Function ，RBF)
    • 线性判别分析（Linear Discriminate Analysis ，LDA)
  • 聚类算法
    • K - 均值
      • Kmeans，Kmeans++，二分kemans
    • K - 中位数
    • EM 算法
    • 分层聚类
  • 关联规则学习
    • Apriori 算法
    • Eclat 算法
  • 神经网络
    • 感知器
    • 反向传播算法（BP）
    • Hopfield 网络
    • 径向基函数网络（RBFN）
  • 深度学习
    • 深度玻尔兹曼机（DBM）
    • 卷积神经网络（CNN）
    • 递归神经网络（RNN、LSTM）
    • 栈式自编码算法（Stacked Auto-Encoder）
  • 降维算法
    • 主成分分析法（PCA）
    • 主成分回归（PCR）
    • 偏最小二乘回归（PLSR）
    • 萨蒙映射
    • 多维尺度分析法（MDS）
    • 投影寻踪法（PP）
    • 线性判别分析法（LDA）
    • 混合判别分析法（MDA）
    • 二次判别分析法（QDA）
    • 灵活判别分析法（Flexible Discriminant Analysis，FDA
  • 集成算法
    • Boosting
    • Bagging
    • AdaBoost
    • 堆叠泛化（混合）
    • GBM 算法
    • GBRT 算法
    • 随机森林
  • 其他算法
    • 特征选择算法
    • 性能评估算法
    • 自然语言处理
    • 计算机视觉
    • 推荐系统
    • 强化学习
    • 迁移学习