GentleCP的博客

文章目录前言公式实例前言前阵在查sklearn的归一化方法MinMaxScaler的时候，发现找到的文章解释的一塌糊涂，一般都是扔个公式加一堆代码就敷衍了事了，所以这次写一篇讲述MinMaxScaler核心功能的文章。公式会查MinMaxScaler的基本上都应该理解数据归一化，本质上是将数据点映射到了[0,1]区间（默认），但实际使用的的时候也不一定是到[0,1]，你也可以指定参数feature_range，映射到其他区间，这个后面再讲。首先了解该计算公式：Xstd=X−X.min(axis

SVM原理和实战

决策树的实战项目

逻辑回归的原理和实战应用

pytorch对数据集的读取方法，包含CV和NLP两类

本文主要讲解在使用pytorch中对损失函数`nll_loss`的一些理解与思考。

文章先从单层网络出发，帮助理解一般网络模型的优化过程，然后简单易懂地讲述了BP算法的推导和神经网络模型优化的过程，对不懂BP的小白友好

误差是用于衡量模型预测与真实结果的度量，其给出了预测输出与样本真实输出之间的差异。因此，**误差分析**也是机器学习中不可避免的一环。本文将详细讲述误差分析的过程以及模型过拟合、欠拟合等的原理。

讲解机器学习中常用到的矩阵和向量求解公式，虽然代码都有封装好的计算库，但还是需要知道本身计算过程。

本文详细介绍了隐马尔可夫模型，三个基本问题，前向后向算法以及维特比算法，并附上相应的例子帮助理解

本文详细介绍了机器学习中线性(Fisher)鉴别分析的内容，包括公式推导，分类思想，能够帮助你很好理解这一分类方法

机器学习涵盖的内容很多，并非简单的是大家所熟知的神经网络CNN，RNN等。本文包含了机器学习的入门知识，作为后续机器学习的基础。