随笔分类 - 数据建模与挖掘
侧重数据挖掘,模型算法原理推导, ML等.
摘要：从矩阵的本质, 矩阵变换理解 PCA, 从一个案例来numpy 撸 PCA
阅读全文
摘要：CNN 的BP算法推演, 但只是完成了70%, 推导遇到困难, 理解还差些, 留个BUG 算.
阅读全文
摘要：CNN 入门, 重点是理解卷积和池化的过程, 及 特征提取功效和降低计算的功效.
阅读全文
摘要：BP 4 大核心公式推导, 即损失函数对 输出层, 中间层, 偏置, 权值 的梯度(误差)
阅读全文
摘要：BP再次推导, 重点理解BP过程及变量定义, 尤其是将误差, 定义为 梯度, 这脑洞太大了.
阅读全文
摘要：以案例 + 公式推导 + 代码编写, 来走一遍神经网络的 FG, BP算法.
阅读全文
摘要：巩固神经网络的入门知识, 从代码上来认识这些概念会轻松很多.
阅读全文
摘要：BP算法工作流程及数学推导, 核心: 多元函数求偏导, 熟练应用链式法则就搞定了.
阅读全文
摘要：通俗理解-人工神经网络-前向算法, 即网络如何工作的详细过程.
阅读全文
摘要：简单回顾神经网络的历史和直观认识, 还不推导公式哦, 放心老铁, 循序渐进我懂
阅读全文
摘要：比较深层模型和判别模型, 并回顾图, 想从HMM->CRF, 发现搞不定...
阅读全文
摘要：求解A, 也是条件概率展开, 再D-separation, 化简成与 F/B, A, X相关 的表示
阅读全文
摘要：为了更好理解HMM中用的DP 举一波简单的入门案例及Python代码实现
阅读全文
摘要：通过动态规划思想, 拆分子问题, 结合有向图的联合概率写法, 用到D-separation性质来 优化F/B形式,即状态转移矩阵和发射概率矩阵
阅读全文
摘要：通过 EM 算法思想来求解参数, 计算核心是 F/B 算法.
阅读全文
摘要：HMM 推导分两步, 这篇将隐变量求解部分, 用到Viterbi这样的动态规划算法
阅读全文
摘要：初步认识一下有向图和无向图, 及其联合概率表示方式.
阅读全文
摘要：k-means 其实是 EM 算法的特例, 分别举 "人的气质类型" 和 理论角度 来总结
阅读全文
摘要：用极大似然来求解参数, 求导很有技巧,之前跟之前LDA相似, 还得用拉格朗日乘子求条件极值
阅读全文
