Leo_Xu06的博客

本文是翻译文章，但我并未逐字句的翻译，而是有所删减，并加入了一些自己的补充。转载请注明：http://blog.youkuaiyun.com/stdcoutzyx/article/details/44501797机器学习（Machine Learning， ML）是什么，作为一个MLer，经常难以向大家解释何为ML。久而久之，发现要理解或解释机器学习是什么，可以从机器学习可以解决的问题这个角度

介绍Logistic的基本形式：需要明确的概念：逻辑回归解决的不是回归的问题，而是分类的问题逻辑回归是线性模型，其中sigmoid函数只是非线性激活函数极大似然视角下的Logistic极大似然与伯努利分布假设 x,y∼B(±1,p)x, \, y \sim B(\pm1,p)考虑一个二分类问题：f(x)→{+1,−1}f(x)\rightarrow \

Ubuntu16.04+CUDA8.0+cudnn7.5+Caffe安装过程

理解长短期记忆（Long Short Term Memory, LSTM）模型

Windows下安装python版的XGBoost（Anaconda）        XGBoost是近年来很受追捧的机器学习算法，由华盛顿大学的陈天奇提出，在国内外的很多大赛中取得很不错的名次，要具体了解该模型，可以移步GitHub，本文介绍其在Widows系统下基于Git的python版本的安装方法。    需要用到三个软件：python软件（本文基于Anaconda，因为自带很多库，比较方便...

用scikit-learn为机器学习任务准备文本数据

XGBoost解决多分类问题

EM算法（Expectation Maximization Algorithm ）

三种参数估计方法（MLE，MAP，贝叶斯估计）

机器学习中的相似性度量

决策树C4.5

决策树ID3

非均衡分类问题（准确率，召回率，F measure）

经典损失函数比较