原创 貝葉斯，深度學習問題複習
貝葉斯 樸素貝葉斯分類器原理以及公式，出現估計概率值爲 0 怎麼處理（拉普拉斯平滑），缺點； 解釋貝葉斯公式和樸素貝葉斯分類。 https://editor.csdn.net/md/?articleId=106044348
2020-06-29 20:31:14
原创 Perceptron, BP network
人工神經網絡是一種受生物神經網絡啓發的計算模型，該模型在人腦中處理信息。 人工神經網絡在語音識別，計算機視覺和文本處理領域取得了一系列突破，令機器學習研究和行業興奮不已。 在此博客文章中，我們將嘗試瞭解一種稱爲多層感知器的特定人工
2020-06-29 19:46:09
原创 Affine Functions
仿射函數 一維仿射功能： 仿射函數是由線性函數+常數組成的函數，其圖形是直線。一維仿射函數的一般公式爲： y = Ax + c。 仿射函數演示了一個仿射變換，它等效於線性變換後再進行平移。在仿射變換中，保留了圖的某些屬性。這些包括
2020-06-29 19:45:58
原创 深度置信網絡 Deep belief network
什麼是深層信仰網絡？ 深度信念網絡是使用概率和無監督學習來產生輸出的算法。它們由二進制潛在變量組成，並且包含無向層和有向層。 與其他模型不同，深度信任網絡中的每一層都學習整個輸入。在卷積神經網絡中，第一層僅過濾基本特徵（例如邊緣）
2020-06-29 19:45:56
原创 深度神經網絡批量歸一化的簡要介紹 batch normalization
爲什麼要使用批處理規範化？ 我們通過調整和縮放激活來標準化輸入層。例如，當我們具有從0到1以及從1到1000的特徵時，我們應該將它們標準化以加快學習速度。如果輸入層從中受益，爲什麼不對隱藏層中的值也做同樣的事情，這些值一直在變化，
2020-06-29 19:45:56
原创 Distribute System Network Part
Physical layer – send bits (0 and 1) Data link layer – groups bits into frames – assigns sequence numbers to frames
2020-06-16 12:29:18
原创 樹模型的問題
樹模型 **rf ， gbdt 的區別； ** 像隨機森林一樣，梯度增強是一組決策樹。兩個主要區別是： 樹的構建方式：隨機森林獨立地構建每棵樹，而梯度增強則一次構建一棵樹。這種加性模型（合奏）以階段性的方式工作，引入了弱學習器，以
2020-06-16 12:29:18
原创 似然，可能性，概率這三個區別 likelihood, possibility and probability
A probability distribution is a statistical model that shows the possible outcomes of a particular event or course
2020-06-16 12:29:18
原创 樣本採樣
當您對一組人進行研究時，幾乎不可能從該組中的每個人那裏收集數據。 而是選擇一個樣本。 樣本是將實際參與研究的一組個人。 爲了從結果中得出有效的結論，您必須仔細決定如何選擇代表整個羣體的樣本。 採樣方法有兩種： 概率抽樣涉及隨機選擇
2020-06-16 12:29:18
原创 高斯，拉普拉斯分佈
一般來說我們可以使用正則化來避免過度擬合。但是實際上什麼是正則化，什麼是通用技術，以及它們有何不同？ “正規化是我們對學習算法所做的任何修改，旨在減少其泛化誤差，而不是其訓練誤差。” 換句話說：通過防止算法過度擬合訓練數據集，可
2020-06-16 12:29:18
原创 如何知道特徵的重要性
我們所有人可能都面臨過這樣的問題，即從一組數據中識別相關特徵，並刪除不相關或次要的特徵不會對我們的目標變量產生太大的影響，從而爲模型提供更好的準確性。 特徵選擇是機器學習中的核心概念之一，它極大地影響模型的性能。用於訓練機器學習模
2020-06-16 12:29:18
原创 K-means問題小記
K-means k-means 聚類的原理以及缺點及對應的改進；kmeans 算法的優缺點。。。。 k均值聚類算法嘗試將給定的匿名數據集（一個不包含有關類標識的信息的集合）拆分爲固定數量（k）的簇。 最初，選擇k個所謂的質心。質心
2020-06-16 12:29:18
原创 distribute system 5
Names are used to refer to a variety of resources such as – Computers – Services – Remote objects – Files – Users W
2020-06-16 12:29:18
原创 LR邏輯迴歸複習
LR推導（伯努利過程，極大似然，損失函數，梯度下降）有沒有最優解？ https://editor.csdn.net/md/?articleId=105922852 LR可以用核麼？可以怎麼用？l1和l2正則項是啥？lr加l1還
2020-06-16 12:29:18
原创 Gini Index vs Information Entropy
背景： 決策樹根據其目標變量的“純度”遞歸拆分要素。 整個算法旨在優化每個拆分，以最大程度地提高純度……什麼是純度？ 可以將純度視爲分組的均質性。 您將在下面的示例中看到我的意思： 如果我們有4個紅色口香糖和0個藍色口香糖，則基於
2020-06-16 12:29:18