qq_19645269的博客

不知道你是否看过我之前的文章，如果看了的话，你会认为很烂，然后判断这篇博客也是很大程度上是很烂的，如果这样的，很幸运，那你使用了贝叶斯思维方式来进行思考问题了。     学了这么多年贝叶斯公式，不是很了解贝叶斯公式，但是今天和师兄去聊似然函数的时候，聊到了贝叶斯公式，感觉可以去解释人生当中做的一些判断。下面是这篇博客的要讲的三个问题     1.频率学派和贝叶斯学派的区别？     2.什

心血来潮，想将所学到的知识写篇博客，作者所研究的方向为机器学习，刚学习的时候，走了很多弯路，看的书不少，在推导机器学习一些算法时候遇到了不少困难，查了不少资料，在刚才学的时候，有很多公式推导起来很困难，或者说大多数人都会遇到这样的问题，本博客目的就是解决在机器学习公式推导过程中遇到的问题。 关于机器学习的参考书，周志华的机器学习，李航的统计学习方法，及国外的PRML都是不错的阅读材料。还有Andr...

面试总结

机器学习周志华问题总结

马上就要找实习了，对西瓜书常见问题的总结

  这篇博客是在知乎上有个乎友问的问题，我的回答

      SVM和logistic回归都是比较常用的算法，而这两个算法有什么异同点呢。下面是自己的总结，当然也是自己的一些见解。 相同点：        1.都是分类模型        2.都是判别模型 不同点：

1. 问题叙述   心血来潮写点最近做的成果，主要分成两个博客来进行阐述。研究生上了一年半看了不少关于剪枝神经网络方面的文章，但是有很少的文章能让人感觉到耳目一新，打通了任督二脉的感觉。   全连接神经网络在很多方面都用的很多，这我就不赘述了，全连接有很强的逼近能力但是很容易导致过拟合。官方的讲的话为： 机器学习与模式识别最核心的问题就是减小系统的复杂度（description -length

今天要写的博客说简单也简单，是大家熟悉的线性模型，但是我们通过线性模型的不足，我们导出岭回归，下面是博客的结构。     1.线性模型     2.线性模型出现的问题     3.改进线性模型—->岭回归的导入1.线性模型     上面的公式是大家再熟悉不过的公式了，通过优化损失函数 从而可以得到参数w的值。实际上上面优化的公式就相当于求解 2.线性模型出现的问题 2.1 出现的问题