摘要：
这里主要讲的是对分类模型的评估。 1、准确率（Accuracy) 准确率的定义是：【分类正确的样本】 / 【总样本个数】，其中分类正确的样本是不分正负样本的 优点：简单粗暴 缺点：当正负样本分布不均衡的情况（假设一种极端情况，正样本1个，负样本99个），此时即使一个比较差的模型（只会将所用的样本预测 阅读全文
摘要：
前言 L1、L2在机器学习方向有两种含义：一是L1范数、L2范数的损失函数，二是L1、L2正则化 L1范数、L2范数损失函数 L1范数损失函数： L2范数损失函数： L1、L2分别对应损失函数中的绝对值损失函数和平方损失函数 区别： 分析： robust: 与L2相比，L1受异常点影响比较小，因此稳 阅读全文
摘要：
Classification: 1、0-1 1）普通01损失函数 针对于二分类问题，Y = {-1, 1}, f为预测结果，f应该是一个连续值，没有经过激励函数加工的数，如果 fy <= 0 为负 该损失函数能够直观的刻画分类的错误率，但是由于其非凸、非光滑的特点，使得算法很难直接对函数进行优化。 阅读全文
摘要：
一、矩阵篇 1、Jacobian矩阵（雅可比） yi是关于x=(x1, x2...)的多元函数, yi对x的导数矩阵就是雅可比矩阵 2、Hessian矩阵 海森矩阵是函数的二阶偏导矩阵 3、正定、半正定矩阵 4、奇异矩阵 5、协方差矩阵 协方差是用来衡量两个向量之间的相关性，记作cov（X， Y） 阅读全文
摘要：
PCA（principle component analysis）主成分分析 理论依据 最大方差理论 最小平方误差理论 一、最大方差理论（白面机器学习） 对一个矩阵进行降维，我们希望降维之后的每一维数据能够有大的方差。 为什么呢？ 因为每一维的方差越大，说明数据之间区分度高，想象一个极端的情况，降维 阅读全文
摘要：
什么是堆空间、栈空间与静态空间 堆空间：由程序员自己分配空间，如malloc需要指定分配多少个多大的字节空间，不用的时候需要自己释放 栈空间：栈空间是由系统自动分配与释放，如int，char等大小都已固定，局部变量，函数的参数值等 静态空间：全局变量、静态变量存放在静态空间中 http://www. 阅读全文
摘要：
cast cast(number as string), 可以将整数转成字符串 lpad rpad lpad(target, 10, '0') 表示在target字符串前面补0，构成一个长度为10的字符串 concat_ws 列拼接 concat_ws('@', 'zhaopei', 'mail.b 阅读全文
摘要：
http://yangcongchufang.com/%E9%AB%98%E7%BA%A7python%E7%BC%96%E7%A8%8B%E5%9F%BA%E7%A1%80/python-process-thread.html 进程： 线程： 阅读全文
摘要：
参考：https://blog.csdn.net/happyhorizion/article/details/77894051 https://blog.csdn.net/acdreamers/article/details/44657745 1、自信息 一件事发生的概率越大，其所带的信息量就越小， 阅读全文
摘要：
目录 一、BP原理及求导 二、softmax及求导 一、BP 1、为什么沿梯度方向是上升最快方向 根据泰勒公式对f(x)在x0处展开，得到f(x) ~ f(x0) + f'(x0)(x-x0), 故得到f(x) - f(x0) ~ f'(x0)(x-x0), 所以从x0出发，变化最快，即使f(x)- 阅读全文