摘要： 聚类概念： 无监督问题：我们手里没有标签了 聚类：相似的东西分到一组 难点：如何评估，如何调参 要得到簇的个数，需要指定K值 质心：均值，即向量各维取平均即可 距离的度量：常用欧几里得距离和余弦相似度（先标准化） 优化目标： Ci是质心，x是数据，质心到数据的距离 工作流程： 通过不断更新质心来确定 阅读全文

摘要： Support Vector Machine 要解决的问题：什么样的决策边界才是最好的呢？支持向量机特征数据本身如果就很难分，怎么办呢？计算复杂度怎么样？能实际应用吗？目标：基于上述问题对SVM进行推导 决策边界：选出来离雷区最远的（雷区就是边界上的点，要Large Margin） 距离的计算 .距 阅读全文

摘要： 停用词 1.语料中大量出现 2.没啥大用 3.留着过年嘛？ Tf-idf：关键词提取 《中国的蜜蜂养殖》: 进行词频（Term Frequency，缩写为TF）统计 出现次数最多的词是 “的”、“是”、“在” 这一类最常用的词（停用词） “中国”、“蜜蜂”、“养殖”这三个词的出现次数一样多，重要性是 阅读全文

摘要： 拼写纠正实例： 问题是我们看到用户输入了一个不在字典中的单词，我们需要去猜测：“这个家伙到底真正想输入的单词是什么呢？ P(我们猜测他想输入的单词| 他实际输入的单词) 用户实际输入的单词记为D （D 代表Data ，即观测数据） 猜测1：P(h1 | D)，猜测2：P(h2 | D)，猜测3：P( 阅读全文

摘要： 贝叶斯简介： 贝叶斯(约1701-1761) Thomas Bayes，英国数学家 贝叶斯方法源于他生前为解决一个“逆概”问题写的一篇文章 生不逢时，死后它的作品才被世人认可 贝叶斯要解决的问题： 正向概率：假设袋子里面有N个白球，M个黑球，你伸手进去摸一把，摸出黑球的概率是多大 逆向概率：如果我们 阅读全文

摘要： 本文转自公众号 遇见数学 图解数学 线性代数部分 感谢遇见数学工作组将大学课本晦涩难懂、故作高深的数学知识，用通俗易懂而又生动有趣的方法解释出来。 矩阵向量的乘积可以理解为将一个特定的线性变换作用在向量上, 本次我们先看几个特殊的矩阵下的变换以及矩阵矩阵的乘积. 零矩阵 即所有元素都是 0 的矩阵, 阅读全文

摘要： 本文转自公众号 遇见数学 图解数学 线性代数部分 感谢遇见数学工作组将大学课本晦涩难懂、故作高深的数学知识，用通俗易懂而又生动有趣的方法解释出来。 这次我们主要做一个回顾, 再进一步将行列式的几何意义用动画展示说明. 我们说矩阵 A 可以视为一种线性变换, 所以 上面的式子意味着求一个向量 x 在线 阅读全文

摘要： 本文转自公众号 遇见数学 图解数学 线性代数部分 感谢遇见数学工作组将大学课本晦涩难懂、故作高深的数学知识，用通俗易懂而又生动有趣的方法解释出来。 线性变换是线性空间中的运动, 而矩阵就是用来描述这种变换的工具. 这样说还是没有直观印象, 所以还是直接看图解的动画吧. 矩阵不仅仅只是数值的表: 其实 阅读全文

摘要： 本文转自公众号 遇见数学 图解数学 线性代数部分 感谢遇见数学工作组将大学课本晦涩难懂、故作高深的数学知识，用通俗易懂而又生动有趣的方法解释出来。 基底 在二维线性空间中, 只要用两个特殊的向量就可以来用定位(表示)出任意向量: 空间中的任何向量都是可以通过缩放这两个向量再相加表示出来. 现在想象, 阅读全文

摘要： 本文转自公众号 遇见数学 图解数学 线性代数部分 感谢遇见数学工作组将大学课本晦涩难懂、故作高深的数学知识，用通俗易懂而又生动有趣的方法解释出来。 向量的概念 现实中工作中, 我们会把几个数值放在一起, 当做一个整体来分析, 这就有了向量(Vector) ̶ 一种有序的数值列表. 为了把向量和点区分 阅读全文