深度学习与机器学习基础算法学习手册

深度学习与机器学习基础算法学习手册汇总了机器学习、深度学习和自然语言处理的核心知识。主要参考了李航老师的《统计学习方法》一书，同时涵盖了一些该书未涉及的内容，如XGBoost、聚类、深度学习以及自然语言处理等。由于GitHub的Markdown解析器不支持Latex，为了正常浏览笔记，建议在本地使用Typora或直接访问博客链接。手册包含了笔记、代码、以及部分代码所需的数据集和相关图片。具体内容涵盖机器学习的线性回归、感知机、KNN、朴素贝叶斯、决策树、逻辑回归、最大熵、SVM、AdaBoost、GBDT、EM算法、隐马尔可夫模型、条件随机场、随机森林、XGBoost、聚类、特征工程中的特征选择和降维算法，以及深度学习中的神经网络和RNN。