發(fā)簡信
IP屬地：上海
-
改進的迭代尺度法(IIS)詳細解析 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)IIS是一種最大熵模型學(xué)習(xí)的最優(yōu)化算法访敌。最大熵模型：舟曉南：統(tǒng)計學(xué)習(xí)方法 - 最大熵模型解析 | 數(shù)據(jù)分析腊嗡，機器學(xué)習(xí)舷手，學(xué)習(xí)歷程全記錄[https...
-
最大熵模型詳細解析 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)本文包括： 1.最大熵模型簡介2.最大熵的原理3.最大熵模型的定義4.最大熵模型的學(xué)習(xí) 1.最大熵模型簡介： 最大熵原理認為拧簸，學(xué)習(xí)概率模型時，在...
-
邏輯斯蒂回歸詳細解析 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)
本文包括： 1.重要概念2.邏輯斯蒂回歸和線性回歸3.二項邏輯斯諦回歸模型4.邏輯斯蒂回顧與幾率5.模型參數(shù)估計6.多項邏輯斯諦回歸 1.重要概...
-
樸素貝葉斯(NBM)之后驗概率最大化的含義 | 統(tǒng)計學(xué)習(xí)方法
樸素貝葉斯 - 貝葉斯估計Python復(fù)現(xiàn)： 舟曉南：樸素貝葉斯（Bayes）模型python復(fù)現(xiàn) - 貝葉斯估計男窟；下溢出問題[https://...
-
樸素貝葉斯模型(NBM)詳細解讀 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)本文包括： 1.走近樸素貝葉斯 - 上帝到底擲不擲骰子 2.重要概念 3.貝葉斯公式的一般形式 5.樸素貝葉斯的基本方法 6.貝葉斯估計 其它有...
-
k近鄰(KNN)模型詳細解讀 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)本文包含： 1.走近k近鄰 - 你周圍的人決定了你是怎樣的人2.重要概念3.k近鄰算法的數(shù)學(xué)形式4.k近鄰模型的直觀認識5.如何計算距離6.k值...
-
感知機模型(Perceptron)的收斂性解讀 | 統(tǒng)計學(xué)習(xí)方法
Python復(fù)現(xiàn)盆赤，使用了隨機梯度下降法，梯度下降法歉眷，adagrad和對偶形式四種算法： 舟曉南：感知機模型python復(fù)現(xiàn) - 隨機梯度下降法牺六；...
-
感知機模型(Perceptron)詳細解讀 | 統(tǒng)計學(xué)習(xí)方法學(xué)習(xí)筆記 | 數(shù)據(jù)分析 | 機器學(xué)習(xí)本文包括： 1.走近感知機 - 感知機與童話2.重要概念3.感知機模型的數(shù)學(xué)形式4.構(gòu)建感知機的損失函數(shù)5.如何取得損失函數(shù)最小值 - 隨機梯度...
-
轉(zhuǎn)行數(shù)據(jù)分析師如何開始學(xué)習(xí)SQL | 工科生三個月轉(zhuǎn)行數(shù)據(jù)分析學(xué)習(xí)心得該篇文章包含以下幾個部分： 1.什么是SQL及相關(guān)概念 2.數(shù)據(jù)分析師學(xué)習(xí)SQL的哪些部分 3.學(xué)習(xí)資源推薦 4.練習(xí)網(wǎng)站推薦 1.什么是SQL...
個人介紹