u014411730的博客

GBDT是常用的机器学习算法，有少量高质量的实现算法，例如：XGBoost和pGBRT。

Tianqi Chen大神提出了一种可扩展性的端到端基于树的boosting系统，这个系统可以处理稀疏性数据，通过分布式加权直方图算法去近似学习树，这个系统也提供基于缓存的加速模式、数据压缩、分片功能。机器学习应用于垃圾邮件分类、基于上下文植入广告、阻止银行恶意袭击的漏洞检测系统、探测引发物理显现的事件。有两个重要的因子驱动这些成功的应用：发现数据之间相关性的模型、从大量数据集中学习到有趣的模型。

摘要：这篇文章提出自然语言处理涉及到自然语言理解和生成自然语言（understand and generate the text）。自然语言处理任务又分为：语音（听觉），语言形态、语法、语义、语用（语言的角度）。自然语言任务细分为：自动生成文本摘要、共指消解、话语分析、命名实体识别、形态切分、字符识别、词性标注。自动生成文本摘要（auto summarization）：生成易于

一：abstract。深度学习已经应用于很多领域，特别是在计算视觉和模式识别方面取得了突出的成绩。深度学习应用于NLP的一大优势是自动特征提取，而传统的NLP处理技术大多是通过手工提取特征，手工提取特征耗时、不完整。Natural Language Processing (Almost) from Scratch阐述了基于深度学习的框架和算法在词性标注、命名实体识别、语义角色标签等NLP任