未验证 提交 8935ef7b 编写于 作者: N NLP-LOVE 提交者: GitHub

完成 贝叶斯网络

上级 a10a2c0d
......@@ -26,24 +26,26 @@
| 机器学习 | [3.4 LightGBM](https://github.com/NLP-LOVE/ML-NLP/blob/master/Machine%20Learning/3.4%20LightGBM/3.4%20LightGBM.md) | [@mantchs](https://github.com/mantchs) | 448966528 |
| 机器学习 | [4. 支持向量机(SVM)](https://github.com/NLP-LOVE/ML-NLP/blob/master/Machine%20Learning/4.%20SVM/4.%20SVM.md) | [@mantchs](https://github.com/mantchs) | 448966528 |
| 机器学习 | 5. 概率图模型(Probabilistic Graphical Model) | | |
| 机器学习 | 5.1 贝叶斯网络(Bayesian network) | | |
| 机器学习 | [5.1 贝叶斯网络(Bayesian network)](https://github.com/NLP-LOVE/ML-NLP/blob/master/Machine%20Learning/5.1%20Bayes%20Network/5.1%20Bayes%20Network.md) | [@mantchs](https://github.com/mantchs) | 448966528 |
| 机器学习 | 5.2 马尔科夫(Markov) | | |
| 机器学习 | 5.3 主题模型(Topic Model) | | |
| 机器学习 | 6.ML特征工程和优化方法 | | |
| 深度学习 | 7.神经网络(Neural Network) | | |
| 深度学习 | 8. 卷积神经网络(CNN) | | |
| 深度学习 | 9. 循环神经网络(RNN) | | |
| 深度学习 | 9.1 门控循环单元(GRU) | | |
| 深度学习 | 9.2 长短期记忆(LSTM) | | |
| 深度学习 | 10. 深度学习的优化方法 | | |
| NLP | 11. 自然语言处理(NLP) | | |
| NLP | 11.1 词嵌入(Word2Vec) | | |
| NLP | 11.2 子词嵌入(fastText) | | |
| NLP | 11.3 全局向量词嵌入(GloVe) | | |
| NLP | 11.4 textCNN | | |
| NLP | 11.5 序列到序列模型(seq2seq) | | |
| NLP | 11.6 注意力机制(Attention Mechanism) | | |
| NLP | 11.7 BERT模型 | | |
| 机器学习 | 6.最大期望算法(EM) | | |
| 机器学习 | 7.聚类 | | |
| 机器学习 | 8.ML特征工程和优化方法 | | |
| 深度学习 | 9.神经网络(Neural Network) | | |
| 深度学习 | 10. 卷积神经网络(CNN) | | |
| 深度学习 | 11. 循环神经网络(RNN) | | |
| 深度学习 | 11.1 门控循环单元(GRU) | | |
| 深度学习 | 11.2 长短期记忆(LSTM) | | |
| 深度学习 | 12. 深度学习的优化方法 | | |
| NLP | 13. 自然语言处理(NLP) | | |
| NLP | 13.1 词嵌入(Word2Vec) | | |
| NLP | 13.2 子词嵌入(fastText) | | |
| NLP | 13.3 全局向量词嵌入(GloVe) | | |
| NLP | 13.4 textCNN | | |
| NLP | 13.5 序列到序列模型(seq2seq) | | |
| NLP | 13.6 注意力机制(Attention Mechanism) | | |
| NLP | 13.7 BERT模型 | | |
......
Markdown is supported
0% .
You are about to add 0 people to the discussion. Proceed with caution.
先完成此消息的编辑!
想要评论请 注册