前言 嘿!彩蛋!感觉有帮助就三连呗!
本人现为一名「机器学习」方向的研究生,本科专业为 CS,期间主要参与 ACM 竞赛,因此主页内的博客一共分为如下四类:
上述链接指引到具体的博客专栏中,由于算法题解涵盖面太大,因此只有分散的博客专栏,各位可以在左边的分类专栏中找到。接下来列举一下各分类的具体指引页面。
「机器学习」专栏分类指引
- 「线性代数」
- 「高等数学」
- 「概率论」
- 「泛函分析」
- 「优化方法」
- 「机器学习算法」
- 机器学习特征与类型概述
- 线性回归与逻辑回归
- EM 算法解析
- 类别不平衡学习的常用策略
- 孤立森林(iForest - Isolation Forest)
- 强化学习各概念整理(value/policy-based、on/off-policy、model-based/free、offline)
- 强化学习笔记:PPO、Q-Learning、Actor + Critic、Sparse Reward、IRL
- 元学习、小样本学习、课程学习
- 机器学习中常见性能度量汇总
- 模型查搜相关研究整理
- BBSE:使用黑盒模型对 Label Shift 进行估计
- 推荐系统召回层算法:Min-hash、LSH
- 推荐系统中的协同过滤算法
- 最大化内积搜索相关研究 (MIPS)
- 哈希函数的学习算法整理
- O(1) 的离散概率分布采样方法 - Alias Method
- 变分推断 (Variational Inference) 解析
- k-Medoids 聚类系列算法:PAM, CLARA, CLARANS, Trimed, BanditPAM
- 软聚类算法:模糊聚类 (Fuzzy Clustering)
- 层次聚类:BIRCH 聚类、Lance–Williams equation、BETULA 聚类
- 演化算法:乌鸦搜索算法 (Crow Search Algorithm)
- 随机多臂赌博机 (Stochastic MAB):置信上界算法 (UCB)
- 针对多标签(Multi-label)任务的经典算法
- 汉明距离查搜:Multi-Index Hashing
- 对比学习 (Contrastive Learning) 发展历程
- 机器学习领域中各学派划分
- 选择性集成 - MDEP
- 持续学习 (Continual Learning) 发展历程
- 「深度学习模型」
- 「相关材料收集」
- 「读书笔记」
- 「PRML - Pattern Recognition and Machine Learning」
- 研究的艺术 (The craft of research) 读书笔记
- 「论文笔记」
- 「可视化」
「大学课程笔记」专栏分类指引
- 「大学课程笔记」
- 「计算机组成原理」
- 计组课程笔记
- 计组零散知识点总结
- 计组课程设计 - CPU 设计
- 「计算机操作系统」
- OS 课程笔记
- OS 零散知识点总结
- OS 课程设计 - Nachos
- 「计算机网络」
- 「编译原理」
- 「计算机图形学」
- 「数值计算」
- 「计算机理论」
- 「技术工具类」
- 「计算机组成原理」
上述标红加粗的分类表示该专栏内容已完结,未标红即表示未来可能会更新。
「ACM 算法」专栏分类指引
-
- 「动态规划」
- 「数据结构」
- 「数学」
- 「图论」
- 「博弈论」 - SG 函数详解
- 「字符串」
由于部分算法其实是多类算法的结合,因此大家不必过于在意上述算法的分类,只需关注其算法思想与内容即可。
「ACM 各类算法题解」专栏分类指引
- 「ACM 各类算法题解」
这部分的分类在左边的分类专栏中均有展示,大家点击展开即可看到完整分类专栏。