TH-NLP Learning - 自然语言处理算法学习路线

这是一个系统性的统计学习与自然语言处理(NLP)算法学习项目，逐步实现各种机器学习算法。本项目旨在帮助学习者深入理解算法原理，并通过代码实践掌握算法实现细节。

📚 项目结构

th-nlp-learning/
├── 1. 统计学习方法/
│   ├── book/                 # 相关书籍资料
│   └── codes/                # 算法代码实现
│       ├── 第02章 感知机/
│       ├── 第03章 k近邻法/
│       ├── 第04章 朴素贝叶斯法/
│       ├── 第05章 决策树/
│       ├── 第06章 逻辑斯蒂回归与最大熵模型/
│       └── ...
└── README.md

关注我们

三黄工作室

欢迎关注我们的微信公众号「三黄工作室」，获取更多技术分享、学习资源和算法解析！

在这里你可以找到：

• 📘 深度技术文章解析
• 📚 系统化的学习路线
• 🔥 最新AI技术动态
• 💡 实用编程技巧

📖 算法实现进度

章节	算法	状态	说明
第02章	感知机（Perceptron）	✅	原始形式实现，带可视化
第03章	k近邻法（KNN）	✅	KD-Tree实现，支持低维高效搜索
第04章	朴素贝叶斯法	✅	多项式模型，拉普拉斯平滑
第05章	决策树	✅	ID3（信息增益）、C4.5（信息增益率）、CART（基尼指数）
第06章	逻辑斯蒂回归与最大熵模型	✅	二分类、多分类模型（手写+sklearn对比）
第07章	支持向量机	✅	线性SVM（原始形式）、非线性SVM（RBF/多项式/Sigmoid核）
第08章	提升方法	✅	AdaBoost、GBDT（手写实现+对比）
-	-	🚧	努力更新中...

🔧 运行方式

安装依赖

本项目使用 uv 管理依赖：

# 安装 uv（如果未安装）
pip install uv

# 同步依赖
uv sync

💻 环境要求

• Python >= 3.11
• matplotlib >= 3.10
• numpy >= 2.2
• scikit-learn >= 1.7

📄 许可证

本项目采用 MIT License。

---

⭐ 如果这个项目对你有帮助，请给我们一个Star！

🤝 贡献

欢迎提交 Issue 和 Pull Request！

📧 联系

如有问题或建议，请通过以下方式联系我们：

• 提交 Issue
• 关注微信公众号「三黄工作室」