logo头像

贾维斯的小屋

机器学习

机器学习的数学基础:概率论

一、概率论公理1、样本空间和事件 对于一个试验,所有可能的结果构成的集合,称为该试验的样本空间,并即为$S$。 并:对于一个样本空间$S$的任意两个事件$E$和$F$,事件$E\bigcup F$称为$E$和$F$的并。 交:$E...

机器学习——逻辑回归

一、逻辑回归1、逻辑斯谛回归模型我们可以用线性模型$z=\boldsymbol{w}^{\mathrm{T}} \boldsymbol{x}+b$ 来做回归任务,如果我们用此线性模型来做分类任务,需要用一个单调可微函数$g(\cdot...

机器学习——朴素贝叶斯

一、贝叶斯决策论设输入空间$\mathcal{X} \in \Bbb R^{d}$是$d$维向量的集合,输出空间为标签集合$\mathcal{Y}=\left\{c_{1}, c_{2}, \dots, c_{N} \right\}$...

机器学习——线性模型

一、线性回归给定由$d$个属性描述的样本$\boldsymbol{x}=(x_1; x_2; .. ; x_d)$(列向量),数据集$D=\left\{\left(\boldsymbol{x}_{1}, y_{1}\right),\l...

机器学习——模型评估与选择

一、偏差与方差设测试样本为$\bf x$,$y_D$为$\bf x$在数据集中的标签,$y$为$\bf x$的真实标签,$f$为训练集$D$上学习得到的模型,$f({\bf x};D)$为$f$在$\bf x$上的预测输出。 1、期望...

机器学习面试问题/基础知识汇总

更新日期:2019年6月8日 本页面是《机器学习面试问题/基础知识》的系统目录,都是作者在学习过程中的总结,不定期更新。写这些主要是为了掌握机器学习中的主要基础知识与面试中可能问到的问题。由于作者水平有限,错误在所难免,欢迎大家批评...

机器学习的数学基础:矩阵论

1. 基本概念1.1 向量及其转置一个$d$维列向量$x$及其转置$x^t$可记作: x=\left[ \begin{matrix} x_1 \\ x_2 \\ \vdots\\ x_d\\ \end{matrix} \righ...

机器学习教程文摘

【更新日期】2019年3月12日 AlphaGo的制胜秘诀:蒙特卡洛树搜索初学者指南 20 道面试题助你拿下微软 AI offer kaggle出品的机器学习、python、数据科学课程 Ian Goodfellow发推讲...

竞赛类

【更新日期】2019年5月10日 Kaggle Competition Past Solutions Data Science Glossary on Kaggle ! 如何从数据挖掘比赛中脱颖而出?快来 get 阿里妈妈广...

编程语言/算法

【更新日期】2019年3月14日 快来操纵你的 GPU:CUDA 编程入门极简教程 70个NumPy练习:在Python下一举搞定机器学习矩阵运算 真爱 | 算法虐我千百遍,我待算法如初恋 算法和编程面试题精选TOP50!...