人工智能——机器学习与深度学习思维导图

目录

0 综述

1 基本模型

1.1 回归

1.2 决策树与随机森林

1.3 SVM​

1.4 最大熵与EM算法

2 特征工程

2.1 特征工程

2.2 多算法组合与模型最优

3 工业实践

3.1 Sklearn与机器学习实战

3.2 高级工具库xgboost/LightGBM与建模实战

3.3 推荐系统原理与应用

3.4 聚类算法

4 深入机器学习

4.1 贝叶斯网络

4.2 隐马可夫链HMM

4.3 主题模型LDA

5 迈入深度学习

5.1 深度学习初步

5.2 卷积神经网络与计算机视觉

5.3 循环神经网络与应用

5.4 深度学习框架与应用

---

0 综述

====

1 基本模型

======