發(fā)簡信
IP屬地：西藏
-
機器學習&深度學習map
1、機器學習基本理論 機器學習基本概念http://www.itdecent.cn/p/3c90244f2eff 機器學習的可行性https:...
-
《深度工作》
所謂深度工作（Deep Work），就是在無干擾的狀態(tài)下專注進行職業(yè)活動，使個人的認知能力達到極限。這種努力能夠創(chuàng)造新價值，提升技能，而且難以復...
-
集成學習（面試準備）1、什么是集成學習 根據(jù)維基百科的說法：在統(tǒng)計學和機器學習中，集成學習方法使用多種學習算法來獲得比單獨使用任何單獨的學習算法更好的預測性能。 具...
-
Perceptron & KNN（面試準備）
1、簡述感知機模型并證明其收斂性 感知機是二分類的線性分類模型，感知機對應(yīng)于特征空間中將實例劃分為正負兩類的分離超平面，屬于判別模型。 感知機模...
-
Decision Tree（面試準備）
1、談?wù)剬Q策樹的理解（定義&原理） 定義 決策樹模型呈樹形結(jié)構(gòu)，在分類問題中，表示基于特征對實例進行分類的過程： 決策樹可以被視為一組完備且互...
-
LogisticRegression & Maxent（面試準備）
1、手推LogisticRegression（損失函數(shù)） 二項邏輯斯蒂回歸模型是如下條件概率分布： 這里的包含偏置項，即為，其對應(yīng)的。 由此可得...
-
SVM（面試準備）
1、手推SVM 整體思路： 定義樣本點到目標超平面的幾何距離： 定義間隔（margin）為各樣本點到超平面的最小距離： 根據(jù)間隔最大化的目標寫出...
-
增量式開發(fā)
以下摘錄自《Think Python》。 隨著你寫的函數(shù)越來越大，你在調(diào)試上花的時候可能會越來越多。為了應(yīng)對越來越復雜的程序，你可能會想嘗試一種...
-
Indicator of Generalization機器學習中至關(guān)重要的問題就是如何衡量模型的泛化能力，泛化能力的強弱直接度量了算法是否學習到了對任務(wù)真正重要的特征。 在深度學習中，防止過擬合更是...