摘要：
在机器学习中，通常会碰到相似度衡量的问题，而且广泛用于数据挖掘的分类和聚类中，描述个体之间的差异大小的方式有很多，这篇博客总结的比较全面：http://blog.csdn.net/sp_programmer/article/details/40889103 然而具体到衡量用户相似度的问题的时候，不一 阅读全文
摘要：
目前在看统计学习导论：基于R应用，觉得这本书非常适合入门，打算把课后习题全部做一遍，记录在此博客中。 第二章习题 1. (a) 当样本量n非常大，预测变量数p很小时，这样容易欠拟合，所以一个光滑度更高的学习模型更好。 (b) 当样本量n非常小，预测变量数p很大时，这样容易过拟合，所以一个光滑度更小的 阅读全文
摘要：
最常用的：梯度下降法(gradient descent)或最速下降法(steepest descent)。有实现简单的优点。梯度下降是迭代算法，每一步需要求解目标函数的梯度。当目标函数是凸函数时，梯度下降算法是全局最优解。一般情况下，其解不保证是全局最优解。梯度下降法的收敛速度也未必最快。还有，牛顿... 阅读全文