原创 BP神經網絡詳細講解---贊100！
PS：這篇介紹神經網絡是很詳細的，有一步一步的推導公式！神經網絡是DL（深度學習）的基礎。 如果對神經網絡已經有所瞭解，可以直接跳到 “三、BP算法的執行步驟“ 部分，算法框架清晰明瞭。 另外，如果對NN 很感興趣，也可以參閱最後兩
2020-06-26 20:40:35
原创 機器學習系列（2）：logistic迴歸，貝葉斯（bayes）方法
前言：這章主要介紹logistic迴歸和bayes法。兩者都屬分類，前者引入了logistic函數，後者引入了貝葉斯定理，都是比較基礎的數學知識。 但是logistic無需先驗的訓練樣本，後者需要。
2020-06-26 20:40:35
原创 怎樣早起
今早偶遇一篇很不錯的文章，關於早起的，感觸頗多。其中提到《創業成功需早起：看看IT大佬的作息時間》，馬化騰、任正非、俞敏洪、 Mark Zuckerburg （facebook）、Tim Cook（Apple）的付出與成功是成正比
2020-06-26 20:40:35
原创 Deep Learning 系列（1）：RBM（受限波爾茲曼機）和 DBN（深信度神經網絡）
前言：Deep Learning （DL深度學習）是近幾年來最火的一種機器學習方法，由Hinton（多倫多大學）提出。主要有兩分支：Geoffery Hinton和Joshua Bengio這一支用RBM組成deep architec
2020-06-26 20:40:35
1
原创 機器學習系列（4）：混合高斯模型+EM+K-means算法
前言：EM和K-means算法都是機器學習最基本的算法，與混合高斯模型求解有相似之處。EM是基於概率的期望最大，K-means是到質心距離最小化。兩者都要初始化參數，然後重新調整參數。 個人覺得這句話很不錯：
2020-06-26 20:40:35
原创 Python 模塊大全（很詳細！）
轉載：。。。。 Python的模塊大全，很全，有詳細介紹！ 另外附Python兩個教程 1. Python詳細教程（廖雪峯的官方網站，語言簡潔！） 2. Python 進階教程 （Vamei） 3. Python 網絡程序開發
2020-06-07 08:35:24
1
原创 NIPS 2013
剛剛過去的NIPS 2013不愧是機器學習最高水平的盛會，幾乎所有可以想象得到的知名學者都參加了會議，在會上也看到了好多有意思的idea。相比起之前參加的CVPR，NIPS的會議議程安排的要緊湊太多：主會期間從早上9點開始聽報告，一直到
2020-06-07 08:35:13
原创 量化對沖那點事
剛剛翻博客，發現已經有一年多沒有更新了，好像應該要寫點東西了。做量化研究已經近兩年了，經歷了很多。從去年上半年爆牛行情，年中股災，下半年震盪，今年年初熔斷，上半年期貨發力。幾年不見的行情就這樣在我剛入行時全趕上了。讓我體會到了人性的貪婪與
2020-06-07 08:35:13
原创 機器學習系列（6）：BP神經網絡
前言：BP神經網絡的各神經單元的堆疊與Deep Learning 深度學習類似，但是BP側重於去解釋信號，DL側重於重構信號，前者爲監督學習，後者爲非監督學習。 理解BP神經網絡關鍵是：閥值、激活函數、前向輸
2020-02-22 05:35:22
原创 機器學習系列（5）：決策樹之ID3和C4.5
前言：決策樹系列看的比較揪心，道理很清楚，有點類似於“思維導圖”，有中心點、發散的樹枝以及終結點。其實像，我們平常做決策時，首先選擇影響最大的屬性進行最開始分 類，然後選擇次重要的屬性，最後得到每一支的結果。 其
2020-02-22 05:35:22
原创 《漫長的人生歸途---探索人生的意義》
前幾天，突然看到書櫃裏的這本書名，彷彿有種莫名的親切感。 最近幾年，我一直在思考，人生是漫長又是短暫的，我們人生的意義真正在於哪呢？我們這般奮鬥那樣辛苦，終歸於黃土，好像活着就是一場空！那爲啥還要這樣厚重般的拼下這條老命呢
2020-02-22 05:35:22
原创 Deep Learning 博文推薦和學習資料
1. http://www.cnblogs.com/tornadomeet/tag/Deep%20Learning/default.html?page=1 博客園tornadomeet的博文，樓主參加了天津的DL學習，裏面有很全的
2020-02-22 05:35:22
原创 機器學習系列（3）：支持向量機（SVM）
前言：支持向量機（support vector machine）是本人耗時長的一篇。裏面涉及到了很多優化的概念，要弄清楚，必須得扎進去，細細啃。 SVM 是一種有監督的分類器。 本質：尋找一
2020-02-22 05:35:22
原创 機器學習系列（7）：Adaboosting算法和KNN算法
前言：Adaboosting算法核心：弱分類器以及不同權重的樣本。分類正確，樣本權重減少；分類錯誤，樣本權重增加。 KNN算法核心：訓練數據集以及距離（歐式距離或馬氏距離）。計算訓練數據與待測數據的距離，在最近的K個訓練數據中
2020-02-22 05:35:22
原创 機器學習系列（1）：線性迴歸（regression）和梯度下降（gradient descent）
前言：最近打算把機器學習的基本算法再梳理一下，看看能不能給我正在研究的Deep Learing找點突破口。這一篇主要介紹迴歸模型和梯度下降。 PS：由於本人比較懶，所以直接在紙上寫下來了（字不好看，請見諒）！O(∩
2020-02-22 05:35:22