AlexZhang67的博客

最近刚刚开始看斯坦福的机器学习公开课，第一堂课讲到了梯度下降，然后就简单实现了一下。本人学渣一枚，如有错误，敬请指出。       /** * Created by Administrator on 2016/4/16 0016. */ public class GradientDescent { private static double[][] data = {

本人学渣一枚，如有错误，敬请指出。        《机器学习》2.7节谈到了归纳偏置，我不敢说自己对归纳偏置理解的很透彻，但这里简单记录一下我对归纳偏置的理解，以后我也会继续补充。        本节从假设空间可能不包括目标概念引出了无偏学习，无偏学习的假设空间一定包含目标概念。然后讲到无偏学习的无用性，即如果采用无偏学习，那么在遇见一个训练集中不存在的实例时，无偏学习器无法对其分类。换句

softmax 的python实现softmax的原理可以在很多地方看见，这里就不详述了。这份代码采用SGD得到theta，有点麻烦的就是梯度公式如何计算，我觉得这里讲的还比较详细数据集以前看过一本Neural Network and Deep Learning， 这里面的例子使用的是mnist，并且作者已经写好data_loader，于是我就直接用了作者的 data_loader. 数据是手写字

核密度函数介绍 原文地址: http://www.mvstat.net/tduong/research/seminars/seminar-2001-05/ This talk is divided into three parts: first is on histograms, on how to construct them andtheir properties. Next are kernel densi