AI 路线图 版本：v0.1 最后更新：2019.1.14 预处理 离散化 等值分箱 等量分箱 独热 one-hot 标准化 最小最大 min-max z-score l2 标准化 归一化 特征选择 ANOVA 信息增益/信息增益率 模型验证 评价指标 回归 MSE R 方 分类 准确率 精确率 召回率 F1 得分 宏平均 F1 微平均 F1 聚类 互信息 轮廓距离 交叉验证 K 折 网格搜索 最优化方法 梯度下降 随机梯度下降 SGD 牛顿法/拟牛顿法 动量法 RMSProp Adam 传统机器学习 基本概念 欠拟合/过拟合 距离 汉明距离 曼哈顿距离 欧几里得距离 切比雪夫距离 余弦相似度 pearson 相似度 损失函数 MSE 交叉熵 Hinge 线性模型 线性回归 Lasso/岭回归 正则化 逻辑回归 softmax 回归 支持向量机 拉格朗日对偶 软边界支持向量机 核方法 树和森林 决策树 随机森林 GDBT/XGBoost LightGBM 集成学习 Bagging Boosting Adaboost Blending/Stacking KNN 聚类 KMenas 层次聚类 凝聚聚类 分裂聚类 DBSCAN 谱聚类 高斯混合模型 GMM 概率图 朴素贝叶斯 隐马尔科夫 HMM 降维 PCA/SVD T-SNE 深度学习 基本概念 正向传播 反向传播 激活函数 sigmoid softmax tanh ReLU ELU Leaky ReLU 丢弃 Dropout 微调 Fine-Tune 批量归一化 BatchNorm 前馈神经网络 DNN/多层感知机 MLP 输入层 隐层 输出层 卷积神经网络 CNN 层 卷积层 池化层 全连接层 经典结构 LeNet AlexNet ZFNet GoogLeNet VGG ResNet DenseNet 循环神经网络 RNN 循环层 经典结构 LSTM GRU BiLSTM 注意力 Seq2Seq 自编码器 栈式自编码器 稀疏自编码器 去噪自编码器 变分自编码器 生成对抗网络 GAN DCGAN 应用领域（待扩展） 推荐系统 机器视觉 CV 自然语言处理 NLP 生物信息 常用工具 数据分析 NumPy Pandas 科学计算 SciPy 可视化 Matplotlib Seaborn 机器学习 scikit-learn/sklearn XGBoost LightGBM 深度学习 Keras TensorFlow PyTorch