<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[qq_15863621的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/qq_15863621</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; qq_15863621]]></copyright><item><title><![CDATA[高等数学题目答疑]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/122257399</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/122257399</guid><author>qq_15863621</author><pubDate>Fri, 31 Dec 2021 16:33:51 +0800</pubDate><description><![CDATA[1、设当x→0x\rightarrow0x→0时，ex−(2ax2+3bx+1)e^x-(2ax^2+3bx+1)ex−(2ax2+3bx+1)是比x3x^3x3高阶的无穷小，求a和b。
解：
2、已知f(x)f(x)f(x)在x&gt;0x&gt;0x&gt;0处连续，f(1)=3f(1)=3f(1)=3，且由方程∫1xyf(t)dt=x∫1yf(t)ft+y∫1xf(t)dt\int_{1}^{x y} f(t) d t=x \int_{1}^{y} f(t) f t+y \int_{1}^{x} f(]]></description><category></category></item><item><title><![CDATA[机器学习课程讲义·第四章，支持向量机]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/120987340</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/120987340</guid><author>qq_15863621</author><pubDate>Fri, 29 Oct 2021 00:17:05 +0800</pubDate><description><![CDATA[机器学习课程讲义·第四章，支持向量机上期回顾本期导读符号形式两种分类模型生成式模型判别式模型支持向量机硬间隔支持向量机模型形式损失函数
上期回顾
上期机器学习课程讲义·第一章，绪论，我们一起认识了什么是机器学习，机器学习的研究范式和模型选择的基本方法；此外，我还带领大家从零开始推导了高斯分布，并从最基本的线性回归模型开始一步步推广到软间隔的支持向量机模型，以此见识了机器学习中的数学之美和算法之美；其次，我们还了解了机器学习的两种学派，即频率学派和贝叶斯学派，并分别讲解了频率学派的最大似然估计（MLE）和贝叶]]></description><category></category></item><item><title><![CDATA[机器学习课程讲义·第三章，决策树和随机森林]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/120451061</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/120451061</guid><author>qq_15863621</author><pubDate>Sat, 09 Oct 2021 21:07:45 +0800</pubDate><description><![CDATA[X=(x11x12⋯x1d1x21x22⋯x2d1⋮⋮⋱⋮⋮xN1xN2⋯xNd1)=(x1T1x2T1⋮⋮xNT1)\mathbf{X}=\left(\begin{array}{ccccc}x_{11} &amp; x_{12} &amp; \cdots &amp; x_{1 d} &amp; 1 \\ x_{21} &amp; x_{22} &amp; \cdots &amp; x_{2 d} &amp; 1 \\ \vdots &amp; \vdots &amp; \ddots &amp; \vdot]]></description><category></category></item><item><title><![CDATA[机器学习课程讲义·第二章，线性模型系列]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/120391179</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/120391179</guid><author>qq_15863621</author><pubDate>Mon, 20 Sep 2021 17:19:56 +0800</pubDate><description><![CDATA[机器学习课程讲义·第二章，回归模型系列上期回顾新的改变功能快捷键合理的创建标题，有助于目录的生成如何改变文本的样式插入链接与图片如何插入一段漂亮的代码片生成一个适合你的列表创建一个表格设定内容居中、居左、居右SmartyPants创建一个自定义列表如何创建一个注脚注释也是必不可少的KaTeX数学公式新的甘特图功能，丰富你的文章UML 图表FLowchart流程图导出与导入导出导入
上期回顾
上期机器学习课程讲义·第一章，绪论，我们一起认识了什么是机器学习，机器学习的研究范式和模型选择的基本方法；此外，我还带]]></description><category></category></item><item><title><![CDATA[概率分布基本概念、描述和关系]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/102535362</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/102535362</guid><author>qq_15863621</author><pubDate>Mon, 28 Oct 2019 22:43:01 +0800</pubDate><description><![CDATA[概率分布基本概念
本文是自然语言处理系列——概率&amp;统计部分的第一篇文章，想要阅读本系列其他文章的，请移步：

自然语言处理系列：开篇
概率&amp;统计

概率&amp;统计的基本术语详解
概率分布基本概念和应用



目录概率分布基本概念

...]]></description><category></category></item><item><title><![CDATA[概率&统计的基本术语详解]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/101537944</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/101537944</guid><author>qq_15863621</author><pubDate>Sat, 12 Oct 2019 17:54:57 +0800</pubDate><description><![CDATA[概率&amp;统计的基本术语详解
本文是自然语言处理系列——概率&amp;统计部分的第一篇文章，想要阅读本系列其他文章的，请移步：

自然语言处理系列：开篇
概率&amp;统计

概率&amp;统计的基本术语
未完待续



目录概率&amp;统计的基本术语详解1. 数学期望（Expectation）1.1 数学期望初探1.2 数学期望的常用结论1.3* 赌徒游戏2. 方差（Variance）2....]]></description><category></category></item><item><title><![CDATA[自然语言处理系列：开篇]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/101534098</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/101534098</guid><author>qq_15863621</author><pubDate>Fri, 27 Sep 2019 14:45:33 +0800</pubDate><description><![CDATA[自然语言处理系列：开篇这个系列的起因这个系列的框架概率&amp;统计机器学习文本挖掘（NLP背景）基于深度学习的自然语言处理
这个系列的起因
前几天在网上意外搜到了自然语言处理（Natural Language Processing， NLP）的学习路线图（roadmap，点这里），一共四张，分别介绍了概率&amp;统计、机器学习、文本挖掘（NLP背景）和基于深度学习的自然语言处理，仔细看下来，既...]]></description><category></category></item><item><title><![CDATA[全面了解矩阵微分（一）]]></title><link>https://blog.youkuaiyun.com/qq_15863621/article/details/80348183</link><guid>https://blog.youkuaiyun.com/qq_15863621/article/details/80348183</guid><author>qq_15863621</author><pubDate>Fri, 18 May 2018 00:13:47 +0800</pubDate><description><![CDATA[  学好矩阵微分是通往麦加之路的第一步。                                                           ——Whales    微分理论是解决优化问题的重要工具，在统计学、信号处理、经济计量等领域有着广泛的应用。高中阶段我们就认识到了变元为标量的实值标量函数如何进行微分计算，然而在工程领域，绝大多数问题使用的是矩阵（向量也是一种矩阵）变元。那么...]]></description><category></category></item></channel></rss>