Skip to content
体验新版
项目
组织
正在加载...
登录
切换导航
打开侧边栏
Phil_X
ml-nlp
提交
8935ef7b
M
ml-nlp
项目概览
Phil_X
/
ml-nlp
与 Fork 源项目一致
从无法访问的项目Fork
通知
1
Star
0
Fork
0
代码
文件
提交
分支
Tags
贡献者
分支图
Diff
Issue
0
列表
看板
标记
里程碑
合并请求
0
Wiki
0
Wiki
分析
仓库
DevOps
项目成员
Pages
M
ml-nlp
项目概览
项目概览
详情
发布
仓库
仓库
文件
提交
分支
标签
贡献者
分支图
比较
Issue
0
Issue
0
列表
看板
标记
里程碑
合并请求
0
合并请求
0
Pages
分析
分析
仓库分析
DevOps
Wiki
0
Wiki
成员
成员
收起侧边栏
关闭侧边栏
动态
分支图
创建新Issue
提交
Issue看板
体验新版 GitCode,发现更多精彩内容 >>
未验证
提交
8935ef7b
编写于
7月 13, 2019
作者:
N
NLP-LOVE
提交者:
GitHub
7月 13, 2019
浏览文件
操作
浏览文件
下载
电子邮件补丁
差异文件
完成 贝叶斯网络
上级
a10a2c0d
变更
1
隐藏空白更改
内联
并排
Showing
1 changed file
with
18 addition
and
16 deletion
+18
-16
README.md
README.md
+18
-16
未找到文件。
README.md
浏览文件 @
8935ef7b
...
...
@@ -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 | | |
...
...
编辑
预览
Markdown
is supported
0%
请重试
或
添加新附件
.
添加附件
取消
You are about to add
0
people
to the discussion. Proceed with caution.
先完成此消息的编辑!
取消
想要评论请
注册
或
登录