https://yindongliang.com/docs/LLM/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/Recent content in 机器学习 on LYon's BlogHugozh-cnhttps://yindongliang.com/docs/LLM/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/00-overview/Mon, 01 Jan 0001 00:00:00 +0000https://yindongliang.com/docs/LLM/%E6%9C%BA%E5%99%A8%E5%AD%A6%E4%B9%A0/00-overview/<h2 id="栏目组织">栏目组织<a class="anchor" href="#%e6%a0%8f%e7%9b%ae%e7%bb%84%e7%bb%87">#</a></h2> <p>机器学习栏目按概念关系组织为：</p> <ul> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e7%9b%91%e7%9d%a3%e5%ad%a6%e4%b9%a0/">监督学习</a>：利用带标签数据学习预测或分类模型。</li> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e7%89%b9%e5%be%81%e5%b7%a5%e7%a8%8b/">特征工程</a>：数据表示、特征构造与选择等建模流程。</li> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9c/">神经网络</a>：一类模型与训练方法，包括浅层和深层网络。 <ul> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e7%a5%9e%e7%bb%8f%e7%bd%91%e7%bb%9c/%e6%b7%b1%e5%ba%a6%e5%ad%a6%e4%b9%a0/">深度学习</a>：以多层神经网络为核心的方法与模型。</li> </ul> </li> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e5%bc%ba%e5%8c%96%e5%ad%a6%e4%b9%a0/">强化学习</a>：以奖励信号和序贯决策为核心的学习范式。</li> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e5%ba%94%e7%94%a8/">应用与任务</a>：按实际问题组织的机器学习专题。 <ul> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e5%ba%94%e7%94%a8/%e6%8e%a8%e8%8d%90%e7%b3%bb%e7%bb%9f/">推荐系统</a>：面向个性化推荐与排序的系统方向。</li> </ul> </li> <li><a href="https://yindongliang.com/docs/Algorithms/%e6%9c%ba%e5%99%a8%e5%ad%a6%e4%b9%a0/%e5%ad%a6%e4%b9%a0%e8%b5%84%e6%96%99/">学习资料</a>：教材、书籍与学习笔记。</li> </ul> <p>模型类别、学习范式、建模流程与应用任务是不同维度：例如强化学习可以使用神经网络作为函数逼近器，形成深度强化学习；因此栏目按主要学习入口归档，而非将它们视为互斥概念。</p>