深度学习与机器学习基础算法学习资源

深度学习与机器学习基础算法学习资源整理提供了丰富的学习材料，包括详细的笔记和实际案例代码。这些资源涵盖了机器学习、深度学习以及自然语言处理等领域的基础知识。本资源主要参考了李航老师的《统计学习方法》一书，并扩展了一些该书未包含的内容，如XGBoost、聚类、深度学习等。请注意，由于GitHub的Markdown解析器不支持Latex，建议使用Typora在本地浏览笔记或直接访问博客链接。资源包含了详细的学习手册，分为笔记、代码、数据集和图片等文件夹。具体内容包括机器学习的线性回归、感知机、KNN、朴素贝叶斯、决策树、逻辑回归、最大熵、SVM、AdaBoost、GBDT、EM算法、隐马尔可夫模型、条件随机场、随机森林、XGBoost、聚类、特征工程中的特征选择和降维算法，以及深度学习中的神经网络和RNN。