原创 機器學習基礎知識點
網上總看到的一些機器學習基礎知識，現在爲了自己更好的學習，總結一下，列出一個大綱，然後我再分節去記錄。 機器學習常見問題 1.幾種模型（SVM，LR，GBDT，EM）的原理及公式推導 2. RF，GBDT的區別；GBDT，Xgboost
2018-09-01 00:09:35
原创 這就是XGBoost算法原理
說到XGBoost，不得不說GBDT，GBDT(Gradient Boosting Decision Tree) 又叫 MART（Multiple Additive Regression Tree)，是一種迭代的決策樹算法，該算法由多棵決
2018-09-01 00:09:32
原创 最簡單的信息熵
信息熵的公式 H(X)=−∑p(xi)log(p(xi))H(X)=−∑p(xi)log(p(xi)) 其中X表示隨機變量，隨機變量的取值爲(x1,x2,...,xn)(x1,x2,...,xn) ，p(xi)p(xi) 表示事件xixi
2018-09-01 00:09:32
原创 TJU小白的第一天記錄
今天是本小白第一次寫博客，我會記錄下我學習到的東西，一直想寫啦，今天終於提起筆，那就立個flag開始記錄嘍～ 由於最近學習的內容，我會主要在深度學習領域進行學習，我想我會在強化學習，自然語言處理（待學習），情感分析，圖像，機器學習算法，數
2018-09-01 00:09:32
原创 你想看的集成學習之bagging和boosting區別特徵及例子
這篇文章主要講述集成學習的bagging和boosting。 首先bagging和boosting是集成學習的兩個大家族，每個家族也包括很多成員，例如boosting包括adaboost、xgboost，bagging也有RandomFo
2018-09-01 00:09:27
原创 機器學習小白最想看的SVM
我通過這篇博客https://blog.csdn.net/d__760/article/details/80387432，對SVM的理解學到很多，具體的推導過程大家可以看裏面，我通過用一種最好不用數學的方式把我的理解展示出來，給一些新手，
2018-09-01 00:09:15