# 模式识别笔记

**Repository Path**: laohuahuahua/pattern-recognition-notes

## Basic Information

- **Project Name**: 模式识别笔记
- **Description**: No description available
- **Primary Language**: Unknown
- **License**: Not specified
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2020-10-18
- **Last Updated**: 2022-02-07

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README

# Part0 项目说明

- 机器学习与模式识别知识的思维导图和笔记。
- 参考：李航《统计学习方法》、周志华《机器学习》、黄庆明/兰艳艳/郭嘉丰/山世光《模式识别与机器学习》课程




# Part1 预修知识



# Part2 总概

- 统计机器学习概论
- 0.AI垂直领域应用
- 1.常用特征工程方法
- 2.常用分类算法
- 3.常用回归预测算法
- 4.常用优化方法


# Part3 常用模型

## 1.监督学习SupervisedLearning

### 1.1.判别函数DiscriminantFunction

- 总概
- 线性判别函数
  - Fisher判别
  - 感知机
  - 最小平方误差法判别
- 非线性判别
  - 势函数法
  - 广义线性判别
  - 分段线性判别

### 1.2.贝叶斯分类NaiveBayes

### 1.3.支持向量机SVM

### 1.4.决策树DecisionTree

### 1.5.逻辑斯蒂回归LogisticRegression

### 1.6.高斯判别模型GaussDiscriminantModel

### 1.7.神经网络NeuralNetwork

### 1.8.k近邻kNN

### 1.9.最大熵模型MaximumEntropyModel

### 1.10.概率图模型ProbabilityGrapyModel

- 总概
- 有向图模型
  - 隐马尔可夫模型HMM
  - 最大熵马尔可夫模型MEMM
- 无向图模型
  - 条件随机场模型CRF

### 1.11.线性回归LinearRegression

## 2.半监督学习SemiSupervisedLearning

## 2.无监督学习UnsupervisedLearning

### 2.1聚类Clustering

### 2.2 维归约DimensionReduction

## 3.集成学习EnsembleLearning



# Part4 优化算法

## 1.EM算法

## 2.梯度下降法



# Part5 常用策略



# Part6 特定领域应用


## 1.nlp

- 1.词的向量表示
- 2.命名实体识别

## 2.知识图谱

- 1.知识图谱简介
- 2.知识表示方法
- 3.知识框架学习
- 4.实体识别
- 5.实体消歧
- 6.关系抽取