冷夏的专栏

支持向量机通俗导论（理解SVM的三层境界）作者：July、pluskid ；致谢：白石、JerryLead出处：结构之法算法之道blog。前言    动笔写这个支持向量机(support vector machine)是费了不少劲和困难的，原因很简单，一者这个东西本身就并不好懂，要深入学习和研究下去需花费不少时间和精力，二者这个东西也不好讲清

@这段时间迅速的看了一下台大李弘毅的机器学习课程，虽然是1.5倍速+快进看的，不过收获还是蛮多的，特此写篇博客整理一下。以下是大体结构，当然机器学习的界限感觉不很明显，或者我的层次还达不到，比如机器学习里的半监督学习的生成模型在深度学习里卖就是深度生成模型，总而言之，暂时按照以下大纲来学习吧！一监督学习回归算法1概述2常用算法3参考文献基本分类算法1概述2常用算法3参考文献结构化预

正则化解决过拟合问题；原理，通过减少参数或者使参数缩小的方式使神经网络中部分节点失活，以此来解决高方差问题，又因为损失函数的加入，使结果最终趋向准确。如下图所示，tanh函数中，当w很小时，z趋向0，激活函数呈现相对线性状态，线性网络的拟合能力差，以此来解决过拟合问题。...