台部落对半独白

● 每週一言因年齡增長所帶來的理解力，與努力無關。導語前面介紹了決策樹算法應用之一的GBDT模型，本節講講決策樹另一個比較火的應用模型，隨機森林。與GBDT模型相比，同樣屬於集成學習，隨機森林模型的原理更爲直觀簡潔，性能也同

2020-06-30 02:00:25

● 每週一言成熟不是進步，但進步是一種成熟。導語是否還記得那一年的長郡機房，向總看NBA的哈哈大笑之聲？是否還記得那一年刷的vijos和poj？是否還記得午休空調下的那一份盒飯？雖已去十年，但當時的酸甜苦辣依舊恍如昨日。在這

2020-06-30 02:00:14

● 每週一言越努力，越幸運。導語二分查找（binary search）可以說是最常見的算法思想之一了。即便是如此直觀簡單的算法，在不同場景下的實現方式也存在着微妙差別，稍有馬虎就需要打上冗餘難看的補丁來防止各種badcase

2020-02-21 21:41:13

● 每週一言不忘初心，方得始終。導語上一節講到SVM的優化公式，並提到SVM在強大的數學理論背景之下有着十分高效的訓練方法。本節就先講講其中的一個關鍵知識點——拉格朗日乘子法，爲之後深入講解SVM做準備。拉格朗日乘子法在

2020-02-21 21:40:20

● 每週一言溝通，是解決問題的不二法寶。導語支持向量機由Bell實驗室於1995年提出，是一種非常有潛力的分類模型。與邏輯迴歸、神經網絡模型相比，支持向量機有着更強的數學理論背景。那麼，支持向量機到底是什麼？ SVM 支持向

2020-02-21 21:40:20

● 每週一言實現目標的最大敵人，是時間。導語上一節講了帶等式約束條件的拉格朗日乘子法，本節講講帶不等式約束條件的函數凸優化方法——KKT條件，爲之後深入講解SVM做準備。 KKT條件任何不等式約束條件的函數凸優化問題，都可

2020-02-21 21:40:19

● 每週一言是學是玩，和時間賽跑。導語在實際生活中，無論是超市貨架還是網絡社交羣體，都體現着歸類的相似性，即所謂的“物以類聚，人以羣分”。在機器學習中，專門有這麼一類針對類別劃分的算法，就是接下來要講的聚類。那麼，聚類的數學

2020-02-21 21:40:19

● 每週一言經驗不一定是真理，但通常都很管用。導語人工神經網絡（ANN）作爲機器學習當下最熱門的模型，在圖像識別、語音識別以及各種分類問題中，帶來的效果與收益有目共睹。那麼，神經網絡模型具體是如何起作用的？如何直觀感受神經網

2020-02-21 21:40:19

● 每週一言找準自己的定位，才能找到自己的快樂。導語前兩節講完了拉格朗日乘子法和KKT條件，而SVM正好符合拉格朗日乘子法定義的不等式約束優化問題形式，本節就基於KKT條件來推導一下SVM。 SVM公式推導我們先回憶一下前

2020-02-21 21:40:19

● 每週一言音樂，是不二良藥。導語學過統計分析，一定知道什麼是先驗概率和後驗概率，而貝葉斯分類的原理和這兩種概率息息相關。爲了更好地講解貝葉斯分類，本節先講講概率統計相關的基礎知識，方便之後的公式推導。概率基礎概率基礎一

2020-02-21 21:40:19

● 每週一言生命在於運動，無論腦力還是體力。導語前面第3、4兩節介紹了決策樹，由於決策樹簡單有效，可解釋性強，因此被包裝成了一些更爲高效的機器學習算法，其中最爲知名的就是梯度提升決策樹GBDT（Gradient Boosti

2020-02-21 21:40:18

● 每週一言做出決定，然後對決定負責。導語俗話說“三個臭皮匠，頂個諸葛亮”。單個模型的性能效果通常弱於多個模型的融合結果，而這種融合就叫做集成學習。那麼集成學習有哪些常見模型？這種集成是否一定能提升模型效果呢？集成學習在

2020-02-21 21:40:18

● 每週一言煙花易冷，也曾發光發熱。導語上週講了四個概率統計公式，加法公式、乘法公式、貝葉斯公式、全概率公式，其中的貝葉斯公式由概率乘法公式聯立推出。作爲貝葉斯分類中應用最廣泛的模型，樸素貝葉斯分類模型的算法思想是什麼？這些

2020-02-21 21:40:18

● 每週一言無法讓明天不一樣，可以避免和昨天一樣。導語前面介紹了什麼是聚類以及聚類的相似性度量方法，本節開始講解最常用的聚類方法，劃分聚類。那麼，劃分聚類的原理思想是什麼？又有哪些常用的算法？劃分聚類劃分聚類顧名思義，基

2020-02-21 21:40:18

● 每週一言如果覺得自己掙錢能力還不錯，很可能只是因爲年輕。導語在上一篇文章裏，小鬥給大家講解了ICML2011那篇關於DR的經典論文，那篇論文所述場景是“多臂老虎機”遊戲。在多臂老虎機遊戲過程中雖然要連續嘗試多次，但其相鄰兩次

2018-12-07 23:22:14