frankcreen的专栏

一、背景知识 0.矩阵的转置与共轭转置 1.矩阵的迹 2.矩阵元算的交换律 3.矩阵迹的求导 4.矩阵的二阶范数 二、求导

1. 交叉熵代价函数 http://blog.youkuaiyun.com/u012162613/article/details/44239919 2. 交叉熵代价函数（作用及公式推导） http://blog.youkuaiyun.com/u014313009/article/details/51043064

1.使用决策树进行分类示意图 2.决策树算法示意图 解读：最终目的是要让计算机自动寻找决策边界 3.决策树过拟合的情况 解读：边界被划为狭长的线段 3.决策树分类代码 4.不同最小分支界限的分类结果 解读：设定过于小的分支界限，可能会导致过拟合 5.需要通过调节各种参数获得性能的提升 解读：调

原文链接:blog.youkuaiyun.com/simple_the_best/article/details/51589495 清华提供的anaconda镜像，使用以后真的很快！尤其在学校龟速的网络环境里提速非常明显。 https://mirrors.tuna.tsinghua.edu.cn/help/anaconda/ TUNA 还提供了 Anaconda 仓库的镜像，运行以下命令:

感知机算法一、感知机模型1.1 感知机假定输入空间(特征空间)是 χ⊆Rn\chi\subseteq\mathbf{R}^n ,输出空间是 Y={+1,−1}\mathcal{Y} = \{+1,-1\} .输出 x∈Yx\in\mathcal{Y} 表示实例的类别。有输入空间到输出空间的函数定义为感知机:f(x)=sign(w∗x+b)f(x)=sign(w*x+b)其中，w∈Rnw\i