摘要：
0、学习记录 争取放假前把统计学习方法和西瓜书看完，年后主攻ESL\PRML和深度学习 百面适合当作知识点索引，不适合做为学习材料 分一部分时间给java的学习，开始用github，开始看论文 2月份主要学习的几本书：数学之美+ESL、花书+深度学习私房菜、Java | 日期| 统计学习方法 | 西 阅读全文
摘要：
Douban：http://socialcomputing.asu.edu/datasets/Douban 这是一个匿名的豆瓣数据集，包含129,490个独立用户和58,541个独立电影条目。 Epinions：http://www.trustlet.org/epinions.html Epinio 阅读全文
摘要：
https://trickygo.github.io/Dive into DL TensorFlow2.0/ /chapter03_DL basics/3.3_linear regression tensorflow2.0?id=_334 %e5%ae%9a%e4%b9%89%e6%8d%9f%e5 阅读全文
摘要：
连接中部分书价格太贵没有购买，找到电子版，在淘宝上打印成书 https://cloud.tencent.com/developer/article/1540204 https://cloud.tencent.com/developer/article/1537877 https://cloud.te 阅读全文
摘要：
待完善 0、概述 三年前的时候做一个无监督的NLP任务，即在文章中推荐与其相关的商品。当时的第一个想法是首先使用LDA算法抽取文章的主题，然后再使用相同词分布和主题分布信息，提取商品描述信息的主题；接下来计算文章主题和商品主题的相关性。训练模型的文章有400万，商品数量有20万，大部分文章推荐的商品 阅读全文
摘要：
1、参数范数乘法 1.1 L1参数正则化 1.2 L2参数正则化 2、做为约束的范数惩罚 3、正则化和欠约束问题 4、数据集噪声 5、噪声鲁棒性：向输出目标注入噪声 6、半监督学习 7、多任务学习 8、提前终止 9、参数绑定和参数共享（卷积神经网络） 10、稀疏表示 11、Bagging和其他集成方 阅读全文
摘要：
0、概述 本文的主要整理思路为：线性回归-->广义线性回归-->逻辑回归。线性回归是对描述问题的特征进行线性加权的过程，线性模型只能描述输入变量的线性关系，模型具有极大的局限性。为了提升模型性能，需要引入激活函数，罗辑回归即是一种引入了特定激活函数的线性回归模型。 文中还对一些容易混淆的概念进行了对 阅读全文
摘要：
0、概述 偏差（bias）-方差（Variance）分解是统计学解释学习算法泛化性能的一种重要工具。可以把一种学习算法的期望误差分解为三个非负项的和，即偏差bias、方差variance和样本噪音noise。可以根据分解后每一项的具体值做模型的进一步调整。 1、指标解释 偏差-方差分解中，共涉及到四 阅读全文
摘要：
0、概述 首先引入两个事件的全概率公式。接下来假设属性之间是相互对的，引出了朴素贝叶斯公式。由于实际问题中，属性之间完全独立这个假设几乎是不可能的，属性除了与类别相关外，还会与除本身外的其他属性相关，为了有效利用属性之间的相关信息，引入了半朴素贝叶斯方法。 1、全概率公式（贝叶斯公式） 设A和B为两 阅读全文
摘要：
21. class ListNode: def __init__(self,x): self.val = x self.next = None class Solution: def mergeTwoLists(self, l1, l2): res = pre = ListNode(0) while 阅读全文