爱跳水的温文尔雅的laughing

心得: 还是需要记录一下，自己的学习历程，平时学到的比较杂，在此能全面总结一下自己学到的，看到的，理解的东西。一、公式原理条件概率条件概率是指事件A在事件B发生的条件下发生的概率。条件概率表示为：P（A|B），读作“A在B发生的条件下发生的概率”。若只有两个事件A，B，那么，全概率公式(知因求果)如图；从家到公司有三条路，选择第一条路的概率为P(L1),选择第一条路且不堵车的概率为P(C|L1)假设遇到拥堵会迟到，那么从Home到Company不迟到的概率是多少？选择每条路都有

心得：终于可以来总结一下关于决策树的内容了，接下来的几篇来逐一介绍决策树，随即森林，以及xgboos等，希望自己可以对这些知识理解更深刻。一、简介什么是决策树，字面意思是用来决策的一种树模型，下图就是一个女生相亲的树形结构图，女生会根据男生的年龄，长相，收入，是否为公务员等来决定自己的相亲标准；所以决策树模型就相当于我们根据已有的样本建立一颗树，来预测未知样本会产生的结果。什么是树，二叉树：https://blog.youkuaiyun.com/l_ppp/article/details/108307532二

心得：总结一下xgboost相关的知识点，希望自己对它的理解更加深刻，xgboost在树模型里算是比较准确的，比较流行的算法，从我接触到的东西逐一总结一下。一、简介集成算法思想用单个决策树模型效果一般来说不是太好，通常会用一种集成的方法，就是一棵树效果可能不太好，用两棵树呢？多棵树呢？是指构建多个分类器（弱分类器）对数据集进行预测，然后用某种策略将多个分类器预测的结果集成起来，作为最终预测结果集成学习根据各个弱分类器之间有无依赖关系，分为Boosting和Bagging两大流派：Boostin

心得: 每天坚持学一点，新的算法新的技能，学到的都是属于自己的，希望在这里记录一下自己的历程，不忘初心机器学习分为四大块算法1. classification (分类)给定一个样本特征 , 我们希望预测其对应的属性值 , 如果 是离散的, 那么这就是一个分类问题，反之，如果 是连续的实数, 这就是一个回归问题。类问题最常用的学习算法包括 SVM (支持向量机) , SGD (随机梯度下降算法), Bayes (贝叶斯估计), Ensemble(集成), KNN 等2. regression

Follow Your Heart：面临太多的选择，人总会迷茫，有好有坏，理性的选择往往是最好的选择，但往往会有人选择感性，遵从自己的内心，哪怕举步维艰，不知道是成功还是失败，还是想这样选择，可能有些人有些事有些东西值得你付出，但愿这一切都会变得好起来。一、神经网络初步接触神经网络，感觉被高大上名词给吓住了，高深莫测的CNN,DNN,让人望而却步。简单来说神经网络是用来预测数据的一种模型，而这种模型是由一个个神经元组成，共同对数据进行训练决策，输出结果。一个神经元会接收信号，输出信号。二、 搭建神

心得：平时用到模型评估挺多的，来总结一下各个评估标准的具体计算方法和原理一、混淆矩阵混淆矩阵是用来总结一个分类器结果的矩阵。对于k元分类，其实它就是一个k x k的表格，用来记录分类器的预测结果。比如我们最常见的二分类：比如我们一个模型对15个样本进行预测，然后结果如下。预测值：1 1 1 1 1 0 0 0 0 0 1 1 1 0 1真实值：0 1 1 0 1 1 0

心得：支持向量机的公式原理理解上还是比较复杂的，本文以流程和原理以及应用方面来进行一、什么是支持向量机1. SVM 简介支持向量机（support vector machines, SVM）是一种二分类模型，它的基本模型是定义在特征空间上的间隔最大的线性分类器，间隔最大使它有别于感知机；转化为一个凸二次规划问题来求解由简至繁的模型包括：当训练样本线性可分时，通过硬间隔最大化，学习一个线性可分支持向量机；当训练样本近似线性可分时，通过软间隔最大化，学习一个线性支持向量机；当训练样本线性不可分时

心得：学习神经网络知识，面对很多的数学公式和推导，很难况且已经忘记了大部分关于微积分和概率论的东西，学神经网络这些都是基础，所以在之后碰到对应的知识点会详细的记录下来。加油~文章目录：一、logistic回归是什么二、神经网络相关概念1. 输入层，输出层，隐藏层2. 权重和偏值2. 激活函数（Activation Function）3.损失函数3. 导数4. 梯度下降法6. 向量化7 .向前传播，向后传播三、神经网络初步建立一、logistic回归是什么面对一个回归或者分类问题，建立代价函数，然后通过

心得：终于决定要踏上了新的旅程，一个全新的领域等待着你去挑战，你知道你的内心有许多不甘心，所以 拼一次~一、机器学习相关概念1. 什么是人工智能它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能是研究使计算机来模拟人的某些思维过程和智能行为（如学习、推理、思考、规划等）的学科，主要包括计算机实现智能的原理、制造类似于人脑智能的计算机，使计算机能实现更高层次的应用。主要解决如：自然语言理解，图像识别，语音识别等问题2. 什么是机器学习机器学习是一种