会员
周边
众包
新闻
博问
闪存
所有博客
当前博客
我的博客
我的园子
账号设置
简洁模式
...
退出登录
注册
登录
木林林
如何快速提高口语
摘要: From:http://learning.sohu.com/20150420/n411560978.shtml 目前中国青年有一个倾向就是急功近利。但是结果是欲速则不达。你只要按照自己的实际情况,每天划分出你能承受的情况,半个小时不少,两个小时也不多,要踏踏实实地去做,你就有进步。如果给设定了十个...
阅读全文
posted @ 2015-04-21 09:00 木林林
阅读(155)
评论(0)
推荐(0)
编辑
SVM及其对偶
摘要: 引自 http://my.oschina.net/wangguolongnk/blog/1113491. 支持向量机的目的是什么?对于用于分类的支持向量机来说,给定一个包含正例和反例(正样本点和负样本点)的样本集合,支持向量机的目的是寻找一个超平面来对样本进行分割,把样本中的正例和反例用超平面分开,...
阅读全文
posted @ 2014-05-23 20:11 木林林
阅读(256)
评论(0)
推荐(0)
编辑
Jackknife,Bootstraping, bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting的区别
摘要: 引自http://blog.csdn.net/xianlingmao/article/details/7712217Jackknife,Bootstraping, bagging, boosting, AdaBoosting, Rand forest 和 gradient boosting这些术语,...
阅读全文
posted @ 2014-05-23 20:02 木林林
阅读(216)
评论(0)
推荐(0)
编辑
深入理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件
摘要: 转自http://blog.csdn.net/xianlingmao/article/details/7919597在求取有约束条件的优化问题时,拉格朗日乘子法(Lagrange Multiplier) 和KKT条件是非常重要的两个求取方法,对于等式约束的优化问题,可以应用拉格朗日乘子法去求取最优值...
阅读全文
posted @ 2014-05-23 11:32 木林林
阅读(236)
评论(0)
推荐(0)
编辑
平凡而又神奇的贝叶斯方法
摘要: 转自 http://mindhacks.cn/2008/09/21/the-magical-bayesian-method/数学之美番外篇:平凡而又神奇的贝叶斯方法概率论只不过是把常识用数学公式表达了出来。——拉普拉斯记得读本科的时候,最喜欢到城里的计算机书店里面去闲逛,一逛就是好几个小时;有一次,...
阅读全文
posted @ 2014-05-16 11:33 木林林
阅读(234)
评论(0)
推荐(0)
编辑
导航
博客园
首页
联系
订阅
管理
公告