机器学习-算法工程师 -面试/笔试准备-重要知识点梳理
原文地址：http://blog.csdn.net/lrs1353281004/article/details/79529818
整理了一下机器学习-算法工程师需要掌握的机器学习基本知识点，并附上了网上笔者认为写得比较好的博文地址，供参考。（持续更新）
文章目录
- 机器学习相关基础概念
- Variance（方差）与bias（偏差）
- 常用性能指标
- 生成模型与判别模型
- 集成学习：Bagging、Boosting、Stacking
- Logistic Regression
- GBDT（梯度提升树）、 XGboost
- SVM 与 感知机
- Naïve Bayes（朴素贝叶斯）
- 梯度下降法与牛顿法
- 常见聚类方法
- 监督学习、无监督学习、半监督学习
- L1正则化与L2正则化
- 经验风险最小化（ERM）与结构风险最小化（SRM）
- 极大似然估计（MLE）与最大后验概率估计（MAP）
- 迁移学习
- 强化学习
- LDA 、PCA
- 类别不均衡问题
- 深度学习相关
- 神经网络（反向传播、梯度消失、dropout）
- CNN
- RNN、LSTM
- GAN
- 目标检测
机器学习相关基础概念
Variance（方差）与bias（偏差）
https://www.zhihu.com/question/27068705
常用性能指标
http://blog.csdn.net/lrs1353281004/article/details/79411552
生成模型与判别模型
https://blog.csdn.net/zouxy09/article/details/8195017
https://www.cnblogs.com/zeze/p/7047630.html
集成学习：Bagging、Boosting、Stacking
https://www.sohu.com/a/167812554_465975
https://www.cnblogs.com/liuwu265/p/4690486.html
http://blog.csdn.net/lrs1353281004/article/details/79520154
Logistic Regression
https://tech.meituan.com/intro_to_logistic_regression.html
https://blog.csdn.net/jediael_lu/article/details/77852060
http://blog.csdn.net/feilong_csdn/article/details/64128443
GBDT（梯度提升树）、 XGboost
https://www.cnblogs.com/pinard/p/6140514.html
https://www.zhihu.com/question/41354392
SVM 与 感知机
感知机基本概念与原理
http://blog.csdn.net/dream_angel_z/article/details/48915561
SVM机器学习面试相关题目
http://blog.csdn.net/szlcw1/article/details/52259668
Naïve Bayes（朴素贝叶斯）
原理推导
http://blog.csdn.net/lrs1353281004/article/details/79437016
原理与应用
http://blog.csdn.net/tanhongguang1/article/details/45016421
实例
http://blog.csdn.net/fisherming/article/details/79509025
梯度下降法与牛顿法
http://blog.csdn.net/lipengcn/article/details/52698895
常见聚类方法
http://blog.csdn.net/alex_luodazhi/article/details/47125149
监督学习、无监督学习、半监督学习
http://blog.csdn.net/haishu_zheng/article/details/77927525
L1正则化与L2正则化
http://blog.csdn.net/jinping_shi/article/details/52433975
经验风险最小化（ERM）与结构风险最小化（SRM）
http://blog.csdn.net/zhzhx1204/article/details/70163099?utm_source=itdadao&utm_medium=referral
极大似然估计（MLE）与最大后验概率估计（MAP）
http://blog.csdn.net/lin360580306/article/details/51289543
https://www.cnblogs.com/sylvanas2012/p/5058065.html
迁移学习
https://www.zhihu.com/question/41979241
强化学习
http://blog.csdn.net/aliceyangxi1987/article/details/73327378
LDA 、PCA
https://www.cnblogs.com/pinard/p/6244265.html
类别不均衡问题
https://www.leiphone.com/news/201807/n29cU8N7Jk5w0K7E.html
深度学习相关
神经网络（反向传播、梯度消失、dropout）
CS231n课程笔记翻译：反向传播笔记
https://zhuanlan.zhihu.com/p/21407711?refer=intelligentunit
梯度消失与梯度爆炸
http://blog.sina.com.cn/s/blog_6e32babb0102y1om.html
http://blog.csdn.net/qq_25737169/article/details/78847691
dropout
http://blog.csdn.net/stdcoutzyx/article/details/49022443
batch normalization
https://zhuanlan.zhihu.com/p/34879333
https://www.cnblogs.com/guoyaohua/p/8724433.html
CNN
https://zhuanlan.zhihu.com/p/22038289?refer=intelligentunit
RNN、LSTM
http://blog.csdn.net/hjimce/article/details/49095371
http://lib.csdn.net/article/deeplearning/45510
二者在梯度消失/爆炸问题上的不同表现
https://zhuanlan.zhihu.com/p/28687529
https://zhuanlan.zhihu.com/p/28749444
GAN
http://36kr.com/p/5086889.html
https://www.leiphone.com/news/201701/Kq6FvnjgbKK8Lh8N.html
目标检测
https://medium.com/@syshen/物體偵測-object-detection-740096ec4540