明月松间照

摘要： 老师，你这里没有把$w$放到$C^n$中去，按理说求$\nabla{C^n}$，是没有w的。 所以倒不如直接求【$\nabla{C}$】或者【把w加入到$C^n$中去，再求对$\nabla{C^n}$】 这是我个人的想法，老师勿怪！ 阅读全文

摘要： 后面查知乎，谷歌，论文，解决这个问题 阅读全文

摘要： 要先在知乎上：问清楚怎么去入门DL。打好DL的基础及论文起步？ 然后，再去知乎上彻底问清楚，CV真正应该如何起步？ 最后才是找新兴趣点，找海量论文进行灌输自我！ 论文的同时，回滚补DL和CV的基础。 我目前的根本应该是研究DL是什么？有什么？没有什么？我能用DL做CV的什么？我想怎么用DL来改进CV 阅读全文

摘要：   ![](https... 阅读全文

摘要： 1. vc dimension及vc bound 1. 定义scater：如果一个h在处理包含N个样本点的某一个数据集D时能产生 $2^N$ 个dichtopy，就说h能schater这N个样本点。【看清楚，我只说存在一个D，并没有说面对所有的N input,我的这个h都能产生 $2^N$ 个dic 阅读全文

摘要： 1. ML的基本分类： 1.1 不同的$y$类型： 二元分类： 多元分类： 回归： 结构学习： 1.2 是否有$y$： 有监督（supervised）: Coin Recognition：every $x_n$ comes with corresponding $y_n$ 无监督（unsupervi 阅读全文

摘要： 0. 暂时就截图了，后期再花点时间用latex把公式打出来 1. 矩阵求导 参考：http://cs.nju.edu.cn/wujx/teaching/PR_02.pdf 2. 从物理意义的角度来重新审视【线性代数及其若干核心概念】： 1. http://blog.codinglabs.org/ar 阅读全文

摘要：   ![](https... 阅读全文

摘要： 1. Logistic Regression中的这个推导： "这节课程" 这个推导我看不懂：怎么得到结论的【y^ 在这d+1个向量所构成的 span (平面)上】？ 阅读全文

摘要： 本节的主题是：Noise & Error point wise：对每一个点计算误差，并求和取均值,如图： point wise中对每个点，使用的err()分为两类：0/1 error和 squared error， 前者主要是希望【y！=y^的点越少越好，是一个离散的度量值】，这就像插值，我的预测直 阅读全文