机器学习算法

1、朴素贝叶斯分类

2、K近邻分类

3、线性感知机

4、线性支持向量机

5、K-means聚类及层次聚类

6、混合模型基础

7、线性回归与逻辑回归

8、梯度下降法

9、马尔科夫模型与语言模型

10、隐马模型基础

11、网页排序基础，pagerank，learning to rank 基础（pointwise，pairwise）

advanced

12、带正则化的逻辑回归，拟牛顿法，L-BFGS

13、SVM原理，核技巧，统计学习理论基础,SMO

14、模型融合，决策树，BOOSTING

15、CRF，隐马模型的前向后向算法

16、Learning to rank深入,listwisw、pairwise（不同loss）

17、深入理解机器学习（各种模型比较）Topic,Modeling,PLSA,LDA

to

be

continued