摘要：
PRML第一章读书小结 第一章用例子出发，较为简单的引入了概率论、模型、决策、损失、信息论的问题，作为机器学习从业者，读PRML除了巩固已有基础，还受到了很多新的启发，下面将我收到的启发总结如下。 1. 多项式曲线拟合问题 多项式拟合问题作为全书的第一 阅读全文
摘要：
1. 什么是强化学习 强化学习（reinforcement learning, RL）是近年来大家提的非常多的一个概念，那么，什么叫强化学习？ 强化学习是机器学习的一个分支，和监督学习，非监督学习并列。 参考文献[1]中给出了定 阅读全文
摘要：
论文研读：基于统计重加权的方法减少通用回复 会议名称：EMNLP2018 文章题目：Towards Less Generic Responses in Neural Conversation Models: A Statistical Re weighting Method 原文链接：https:/ 阅读全文
摘要：
一、模型可解释性 近年来，机器学习（深度学习）取得了一系列骄人战绩，但是其模型的深度和复杂度远远超出了人类理解的范畴，或者称之为黑盒（机器是否同样不能理解？），当一个机器学习模型泛化性能很好时，我们可以通过交叉验证验证其准确性，并将其应用在生产环境中， 阅读全文
摘要：
一、 前言 最近在工作中需要对海量数据进行相似性查找，即对微博全量用户进行关注相似度计算，计算得到每个用户关注相似度最高的TOP N个用户，首先想到的是利用简单的协同过滤，先定义相似性度量（cos，Pearson,Jaccard），然后利用通过两两计算 阅读全文
摘要：
在知乎中写技术类文章，经常会用到markdown知乎文章可以导入markdown格式，但是不支持Latex公式。知乎大神提供了替代方案： https://zhuanlan.zhihu.com/p/69142198 替换为： 查找目标： 替换为： &en 阅读全文
摘要：
在机器学习中，我们经常要利用极大似然法近似数据整体的分布，本篇文章通过介绍极大似然法及其一些性质，旨在深入浅出地解释清楚极大似然法。 0. 贝叶斯概率 首先看一下经典的贝叶斯公式： $$ p(Y|X)=\frac{p(X|Y)p(Y)}{p(X)} $$ 其中，$p(Y)$称为先验概率($prior 阅读全文