12 2019 档案
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
摘要：基于jesen不等式, 参数似然估计, 全概率与贝叶斯来推导 和证明EM收敛.
阅读全文
摘要：从扔硬币算概率,到高斯分布, 进行参数估计来, 直观认识下EM算法思想
阅读全文
摘要：时间序列 datetime 作为序列索引
阅读全文
摘要：datetime 时间的定义, 计算, 字符串-时间 转换
阅读全文
摘要：数据分析最重要的技巧, 没有之一. 我的分析工作都是用Excel和pandas 来整透视表, 如论深入了解, 还得Excel + 业务分析
阅读全文
摘要：数据的split-apply-聚合, 案例-缺失值-重采样-加权平均-线性回归
阅读全文
摘要：用过浅谈提升树公式 和案例, 来引入 "残差训练"合理性, 引入 XGBoot 的推导需克服的难点.
阅读全文
摘要：加深对决策树, 集成学习理解, 如bagging, boosting, 为接下来XGBoost推导做准备
阅读全文
摘要：基于信息熵的决策树构建过程, 随机森林理解
阅读全文
摘要：Bagging, 待补充一个 "降低方差"的严格证明
阅读全文
摘要：集成学习初识, 民主决策.
阅读全文
摘要：数据分析重点. 同维度下,对不同字段聚合 groupbby(key).agg({'字段1':'aggfunc1', '字段1':'aggfunc2''..}
阅读全文
摘要：用数学定义 "高内聚, 低耦合", 很有难度其实, 然后 转为 最优化问题, 最后用到特征分解来求解.
阅读全文
摘要：LDA-作为线性判别 分类器 的推导, 其实就是一个贝叶斯公式的过程, 涉及先验概率, 抽样分布, 多元正态分布, 协方差矩阵等, 还有, "优化的思想"
阅读全文
摘要：逻辑回归推导, 损失函数, 梯度推导, 证明是凸函数, 模型应用
阅读全文
摘要：逻辑回归的 logist 函数推导, 从概率论视角.
阅读全文
摘要：模型泛化优化之 L1 L2 正则化. 涉及正则化认识, 梯度方向来理解, 交叉校验调参, L1 L2比较等
阅读全文
摘要：模型优化评估, 扩充基, 过拟合, 模型的Bias, Variance
阅读全文
摘要：group by 过程, 数据分析中,绝对是最为重要的部分, 没有之一.
阅读全文
