u014765410的博客

主要总结一下：牛顿法（拟牛顿法），梯度下降法之间的区别，公式，优缺点，牛顿法F’'的释义； 不同梯度下降算法解决问题（结合deeplearning.ai）； 工业中实际使用的：mini batch GD； ...

生成模型 与 判别模型的区别 评估模型表现的指标 ROC 离散变量和连续变量 P(x)=0是不是一定不可能发生？ COV 和 COR 都是线性相关的 表征量 信息论 蒙卡特洛？？？ ...

model selection中对data考虑的几个点：sample数量，feature dimentionality，sample的覆盖度；model用于哪个领域：NLV or CV? train set , dev set(验证train model), test set(得到最优model以后，用于最后评估其准确度) cross-validation：作为评估hyperparameter设定...

3种推荐系统算法：基于内容；基于用户行为；隐语义模型； question：工业界中word2vec的具体实现方法；

最大熵模型 最大熵模型 EM算法 主要总结下：“最大似然”，“k-means”，“GMMS”中如何应用EM算法 看一下code

主要总结一下“条件独立和不独立”的判断方法，包括最后的“那个测试题” 深入挖掘东西： VAE（变分词编码器）； CTC loss； 结构学习（structure learning）； 贝叶斯网络； ...

只是总结课程要点，特征工程内容参见分类《feature engineering for machine learning》! 一、正负样本不平衡处理方法 二、数据与特征处理 数值型 类别型 时间型 文本型 1）词袋 2）n-gram 3）Tf-idf 4）word2vec 统计特征 组合特征 以下图为例：利用GBDT得到一棵树，其中每若干个分枝都可以组合为一个特征，例如：男-上...