發(fā)簡(jiǎn)信
IP屬地：天津
-
SVM
看到一個(gè)介紹SVM的blog姚糊，寫的真的太好了蜘渣，記錄一下： 「14」支持向量機(jī)——我話說完，誰支持澜驮？誰反對(duì)？_Machine Learning w...
-
貝葉斯公式
2021/5/14 今天晚上回顧貝葉斯公式惋鸥，看了b站上的視頻 BV19V411o7Pu杂穷，感覺有了更新的認(rèn)識(shí)，越發(fā)感覺這是一個(gè)十分深刻的公式卦绣，同時(shí)...
-
先驗(yàn)概率耐量、后驗(yàn)概率與似然估計(jì)
轉(zhuǎn)載自：先驗(yàn)分布、后驗(yàn)分布滤港、似然估計(jì)這幾個(gè)概念是什么意思廊蜒，它們之間的關(guān)系是什么？ - 知乎[https://www.zhihu.com/ques...
-
全概率公式與貝葉斯公式
條件概率 條件概率公式： 全概率公式 上圖中溅漾，紅色部分是事件A山叮，綠色部分是事件A'，它們共同構(gòu)成了樣本空間S添履。 在這種情況下屁倔，事件B可以劃分成兩...
-
批標(biāo)準(zhǔn)化（batch normalization）今天學(xué)習(xí)李宏毅老師的機(jī)器學(xué)習(xí)課程的batch normalization部分，有點(diǎn)囫圇吞棗暮胧，寫個(gè)blog記錄一下吧锐借。 參考自：深度學(xué)習(xí)—BN的理...
-
標(biāo)準(zhǔn)化/歸一化一、標(biāo)準(zhǔn)化/歸一化 定義 歸一化和標(biāo)準(zhǔn)化經(jīng)常被搞混往衷，程度還比較嚴(yán)重钞翔，非常干擾大家的理解。為了方便后續(xù)的討論炼绘，必須先明確二者的定義嗅战。 歸一化 就是...
-
幾種常用最優(yōu)化方法
學(xué)習(xí)和工作中遇到的大多問題都可以建模成一種最優(yōu)化模型進(jìn)行求解，比如我們現(xiàn)在學(xué)習(xí)的機(jī)器學(xué)習(xí)算法俺亮，大部分的機(jī)器學(xué)習(xí)算法的本質(zhì)都是建立優(yōu)化模型驮捍，通過最...