机器学习杂货铺1号店

理解多维高斯分布前言在数理统计和机器学习中，经常用到高斯分布，这里根据网上的资源和理解，对多维高斯分布做一个小总结。如有谬误，请联系指正。转载请注明出处。联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://github.com/FesianXu一维高斯分布标准的一维高斯分布是0均值和单位...

《SVM笔记系列之六》支持向量机中的核技巧那些事儿前言我们在前文[1-5]中介绍了线性支持向量机的原理和推导，涉及到了软和硬的线性支持向量机，还有相关的广义拉格朗日乘数法和KKT条件等。然而，光靠着前面介绍的这些内容，只能够对近似于线性可分的数据进行分割，而不能对非线性的数据进行处理，这里我们简单介绍下支持向量机中使用的核技巧，使用了核技巧的支持向量机就具备了分割非线性数据的能力。本篇可能是我...

前言：在深度学习中我们总是不可避免会碰到各种各样的损失函数，通常来说，损失函数都是高维的函数，难以可视化为人类可以分辨的二维或者三维形式，因此这里介绍一种通过在高维空间中切片的损失函数可视化手段，并且讨论下模型的参数空间。如有谬误请联系指出，转载请注明出处。联系方式：e-mail: FesianXu@163.comQQ: 973926198github: https://github.c...

前言在深度学习中，经常会存在需要特征融合的地方[1]，而最基本的融合方法无非是：(1) 按点逐位相加(point-wise addition) 和 (2) 进行向量拼接(concatenate)。这两种方式有着异同，也有着关联，接下来进行简单讨论。∇\nabla∇联系方式：e-mail: FesianXu@163.comQQ: 973926198github: https://githu...