机器学习/深度学习（ML/DL）是当前人工智能的核心基础课程和知识点，只有在充分理解了这些核心基础的内容后才能做好更多相关的研究和工程研发，这里收集汇总了之前回答一些基础的相关问题，以备后续查阅。
准备从1、通用的基本问题，2、回归和分类的基本问题，3、Cost Function（objective fuction，loss，error surface），4、Quality metric，5、Neural Network，6、CNN，7、RNN，8、Transformer，9、Reinforcement Learning等等方面进行汇总，后面欠缺的部分后面将要去进一步更新。
这是第二部分的内容。
References
六、CNN
- 1、CNN的特性： (7 条消息) 如何解读 CNN 和传统神经网络的区别？ – 知乎 (zhihu.com)
- 2、如何理解CNN的通道： (7 条消息) 如何理解 cnn 中的通道？ – 知乎 (zhihu.com)
- 3、 神经网络结构可视化工具： (7 条消息) 神经网络的结构图的绘制有什么合适的软件推荐？ – 知乎 (zhihu.com)
- 4、 1*1卷积核的作用： (7 条消息) 卷积神经网络中的 1×1 卷积核有什么作用？ – 知乎 (zhihu.com)
- 5、 神经网络的不同层的感受野怎么确定： (7 条消息) 神经网络中各层的感受野大小如何确定？ – 知乎 (zhihu.com)
- 6、目标检测多尺度是如何实现的： (7 条消息) 目标检测多尺度方法是如何实现的？ – 知乎 (zhihu.com)
- 7、怎么修改resnet中的通道数： (1 封私信 / 7 条消息) 怎么改变ResNet50的输出通道数？ – 知乎 (zhihu.com)
- 8、目标检测为什么可以直接回归出目标的坐标： (1 封私信 / 7 条消息) One Stage目标检测算法可以直接回归目标的坐标是什么原理？ – 知乎 (zhihu.com)
- 9、一些轻量化的网络结构backbone： (1 封私信 / 7 条消息) 能推荐一些轻量化的图像分类的神经网络吗？ – 知乎 (zhihu.com)
七、RNN
- LSTM的学习路线： (1 封私信 / 7 条消息) 研一刚入学，从未接触过神经网络，python也是才开始学，现在导师要我做LSTM，我应该去学什么？ – 知乎 (zhihu.com)
- LSTM的计算方式： (1 封私信 / 7 条消息) LSTM可以提取时间序列特征，具体的实现过程的细节是怎么样的。? – 知乎 (zhihu.com)
八、Transformer
- Transformer怎么学习： (1 封私信 / 7 条消息) transformer怎么学习？ – 知乎 (zhihu.com)
九、Reinforcement Learning
- 强化学习的典型应用场景： (1 封私信 / 7 条消息) 强化学习有哪些典型的应用？ – 知乎 (zhihu.com)
十、Feature Engineering(Data augumentation)
- 如何进行数据归一化： (1 封私信 / 7 条消息) python 如何实现归一化？ – 知乎 (zhihu.com)
- 特征归一化的作用： (1 封私信 / 7 条消息) 特征不归一化有什么危害？ – 知乎 (zhihu.com)
- PCA的几何解释： (1 封私信 / 7 条消息) PCA降维后如何与原来的对应，哪几个特征对应降维后的特征？ – 知乎 (zhihu.com)
- tsne降维方法的原理： (1 封私信 / 7 条消息) 一组高维向量映射到低维后，还能否反映原向量的分布情况？ – 知乎 (zhihu.com)
- 非正态分布数据转换为正态数据的方法： (1 封私信 / 7 条消息) 非正态分布的数据怎么转换为正态分布？ – 知乎 (zhihu.com)
- 为什么要对数据进行降维和压缩： (1 封私信 / 7 条消息) 为什么要对数据做降维和压缩？ – 知乎 (zhihu.com)
- 机器学习是如何做数据预处理的：(1 封私信 / 7 条消息) 机器学习是如何做数据预处理的？ – 知乎 (zhihu.com)
- 核方法的示例以及为什么高斯核映射到无穷维度： (1 封私信 / 7 条消息) Kernel Method在机器学习历史上这么火的原因是什么？ – 知乎 (zhihu.com)
十一、Clustering Algorithm
- KMeans： (1 封私信 / 7 条消息) 如何解读机器学习的聚类分析 Kmeans 算法？ – 知乎 (zhihu.com)
- Hierarchical Clustering方法的示例： (1 封私信 / 7 条消息) 1、图1的聚类结果及含义？2、如果将聚类结果分为5类，结果是？3、最终聚类结果设置为多少类合适？ – 知乎 (zhihu.com)
- KMeans超参选择： (1 封私信 / 7 条消息) 无监督学习怎么做超参选择？ – 知乎 (zhihu.com)
- 目前流行的聚类算法有哪些： (2 条消息) 目前流行和先进的聚类算法有哪些? – 知乎 (zhihu.com)
十二、Trees
- Bootstrap采样算法：(2 条消息) 统计学中，Bootstrap的意义是什么？从观测样本中重抽样比直接使用观测样本好在哪里？ – 知乎 (zhihu.com)
- 决策树有哪些分类： 数据挖掘干货总结（九）– 决策树分类 – 知乎 (zhihu.com)
- 信息增益算法： 决策树-ID3、C4.5 – 做梦当财神 – 博客园 (cnblogs.com)
- 随机森林的evaluation： (2 条消息) 随机森林训练集能等于测试集吗? – 知乎 (zhihu.com)
- XGBoost： “XGBoost”阅读笔记 – 知乎 (zhihu.com)
- Cart树： CART树（分类回归树）_cart树?-CSDN博客
十三、Optimization Algorithms
- 怎么解决梯度爆炸问题： (2 条消息) 如何确定是否出现神经网络梯度爆炸？ – 知乎 (zhihu.com)
- 不同正则化项的作用： (2 条消息) L1范数和L2范数有什么区别？ – 知乎 (zhihu.com)
- 学习率和损失函数的关系： (2 条消息) 在损失函数前面乘以0.5，是不是相当于学习率减半？ – 知乎 (zhihu.com)
- 多任务loss如何平衡： (2 条消息) 深度学习的多个loss如何平衡？ – 知乎 (zhihu.com)
Leave a Reply