机器学习资料笔记汇总（持续更新ing）

1. 机器学习性能评估指标 done
   深入理解AUC todo

2. Wand算法

3. embedding的解释
   word embedding的一个例子 - Book Recommendation System
   Embedding从入门到专家必读的十篇论文 - 王喆的文章 - 知乎
   一篇浅显易懂的word2vec原理讲解 - 知乎

4. DSSM算法
   深度语义模型以及在淘宝搜索中的应用
   【NLP干货】深度学习在美团点评推荐业务中实践 - 面包君的文章 - 知乎
   《搜索与推荐中的深度学习匹配》之搜索篇 - 黄冠的文章 - 知乎
   检索式问答系统的语义匹配模型（神经网络篇） - 轩然的文章 - 知乎
   CTR、推荐系统学习路线 - 杀手XIII的文章 - 知乎
   谷歌、阿里、微软等10大深度学习CTR模型最全演化图谱【推荐、广告、搜索领域】 - 王喆的文章 - 知乎

5. 蓄水池抽样
   按概率随机生成结果
   三种洗牌算法

6. 朴素贝叶斯算法及其应用——垃圾邮件分类

7. 各种机器学习算法的应用场景分别是什么
   几个常用算法的适应场景及其优缺点

8. SVM高频面试题

9. 机器学习算法岗面试与提问总结

10. 推荐系统原理
    FM模型
    深入浅出FM和类似推荐算法
    深度推荐系统 - 知乎专栏

11. 面试中的概率题

12. LSTM梯度消失问题

13. 一个框架看懂优化算法之异同 SGD/AdaGrad/Adam

14. 二元分类为什么不能用MSE做为损失函数？

15. 如何通俗地理解“最大似然估计法”?
    聊一聊机器学习的MLE和MAP：最大似然估计和最大后验估计 - 夏飞的文章 - 知乎

16. 人人都懂EM算法 - August的文章 - 知乎

17. PCA的数学原理(转) - 郑申海的文章 - 知乎

18. 深度学习-流形分布

19. 受限玻尔兹曼机RBM最通俗易懂的教程
    受限玻尔兹曼机（RBM）学习笔记（一）预备知识

20. 堆叠降噪自动编码器 Stacked Denoising Auto Encoder（SDAE）

21. 卷积神经网络系列之softmax，softmax loss和cross entropy的讲解

22. ing