所謂深度工作（Deep Work）阐肤，就是在無干擾的狀態(tài)下專注進(jìn)行職業(yè)活動犀变，使個人的認(rèn)知能力達(dá)到極限稀拐。這種努力能夠創(chuàng)造新價值，提升技能碗暗，而且難以復(fù)制萍摊。 深度工作可以幫助我們： ...
發(fā)簡信
IP屬地：天津
-
《深度工作》
-
集成學(xué)習(xí)（面試準(zhǔn)備）1倡勇、什么是集成學(xué)習(xí) 根據(jù)維基百科的說法：在統(tǒng)計學(xué)和機(jī)器學(xué)習(xí)中著觉，集成學(xué)習(xí)方法使用多種學(xué)習(xí)算法來獲得比單獨使用任何單獨的學(xué)習(xí)算法更好的預(yù)測性能村生。 具體說來，就是對于訓(xùn)練集數(shù)據(jù)饼丘，我...
-
Perceptron & KNN（面試準(zhǔn)備）
1趁桃、簡述感知機(jī)模型并證明其收斂性 感知機(jī)是二分類的線性分類模型，感知機(jī)對應(yīng)于特征空間中將實例劃分為正負(fù)兩類的分離超平面肄鸽，屬于判別模型卫病。 感知機(jī)模型如下： 其損失函數(shù)為誤分類的...
-
Decision Tree（面試準(zhǔn)備）
1、談?wù)剬Q策樹的理解（定義&原理） 定義 決策樹模型呈樹形結(jié)構(gòu)典徘，在分類問題中蟀苛，表示基于特征對實例進(jìn)行分類的過程： 決策樹可以被視為一組完備且互斥的 if-then 規(guī)則的集...
-
LogisticRegression & Maxent（面試準(zhǔn)備）
1、手推LogisticRegression（損失函數(shù)） 二項邏輯斯蒂回歸模型是如下條件概率分布： 這里的包含偏置項逮诲，即為帜平，其對應(yīng)的。 由此可得： 即： 也就是說梅鹦，的對數(shù)幾率...
-
SVM（面試準(zhǔn)備）
1裆甩、手推SVM 整體思路： 定義樣本點到目標(biāo)超平面的幾何距離： 定義間隔（margin）為各樣本點到超平面的最小距離： 根據(jù)間隔最大化的目標(biāo)寫出規(guī)劃： 由于和對應(yīng)超平面相同，...
-
增量式開發(fā)
以下摘錄自《Think Python》齐唆。 隨著你寫的函數(shù)越來越大嗤栓，你在調(diào)試上花的時候可能會越來越多。為了應(yīng)對越來越復(fù)雜的程序箍邮，你可能會想嘗試一種叫作增量式開發(fā)（increme...
-
Indicator of Generalization機(jī)器學(xué)習(xí)中至關(guān)重要的問題就是如何衡量模型的泛化能力抛腕，泛化能力的強(qiáng)弱直接度量了算法是否學(xué)習(xí)到了對任務(wù)真正重要的特征。 在深度學(xué)習(xí)中媒殉，防止過擬合更是重中之重担敌，因為神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)能...
-
LightGBM原理理解1、概述 LightGBM是微軟于2017年提出的boosting框架廷蓉，其基本原理與XGBoost一樣全封，使用基于學(xué)習(xí)算法的決策樹，只是在框架上做了一優(yōu)化（重點在模型的訓(xùn)練速度...
-
筆誤桃犬，已修改刹悴。多謝提醒。
kaggle入門之戰(zhàn)——Titanic
機(jī)器學(xué)習(xí)的理論部分大致過了一遍了攒暇，下一步要理論聯(lián)系實踐了土匀。Kaggle是一個很好的練手場，這個數(shù)據(jù)挖掘比賽平臺最寶貴的資源有兩個： 各種真實場景產(chǎn)生的數(shù)據(jù)集形用。這些數(shù)據(jù)集并不像...
-
Hessian Matrix: When Gradient is Zero在 Why Deep Structure 一文中我已經(jīng)說明了 Deep Structure 的表示能力很強(qiáng)就轧，以及相比 Shallow Structure 的優(yōu)勢所在证杭。但“能力...
-
Why Deep Structure?1、Can shallow network fit any function? 為什么我們需要深度學(xué)習(xí)呢妒御？ 所謂深度學(xué)習(xí)解愤，就是用層數(shù)較多的神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)，那么淺的神經(jīng)網(wǎng)絡(luò)有...
-
XGBoost原理理解XGBoost = Extreme Gradient Boosting乎莉，也就是說送讲，XGBoost 把 Gradient Boosting 做到了極致，具體來說惋啃，這種極致體現(xiàn)在...
-
Regression Tree (VS Linear Regression)Regression Tree 模型相比 Linear Regression 模型有何優(yōu)勢呢哼鬓？ Linear Regression 是最經(jīng)典的回歸模型，可用下式表示： 然而 ...
-
Gradient Boosting簡介顧名思義边灭，Gradient Boosting = Gradient Descent + Boosting异希。 既然是Boosting，就是在現(xiàn)有模型基礎(chǔ)上進(jìn)行提升存筏，提升的方法就...
-
愛情
透過眼鏡上的雨滴瞄準(zhǔn) 她的口唇輕啟 從未猜到只言片語幸福的時刻 只有屏息的一瞬當(dāng)裙擺從身旁撫過 芳香的風(fēng) 靜止不必回頭 她將走進(jìn)便利店兩塊巧克力 一盒牛奶十五分...
-
House Prices: Advanced Regression Techniques
kaggle入門三部曲的尾聲宠互，終于迎來了一個難搞的數(shù)據(jù)集。之前的Titanic用到的特征工程和數(shù)據(jù)清洗技巧放在這里已經(jīng)完全不夠用了椭坚，于是這個比賽的主要目的在于學(xué)習(xí)對數(shù)據(jù)的處理...
-
Digit Recognizer手寫數(shù)字識別是非常經(jīng)典的入門級實踐項目了予跌，MNIST則是用來初步檢驗一個圖像分類方法好壞的不二之選數(shù)據(jù)集。之前練習(xí)keras的時候也用CNN跑過正確率90%以上的模型善茎，但在k...
-
Wide & Deep Learning for Recommender Systems《Wide & Deep Learning for Recommender System》是Google發(fā)表在 DLRS 2016 上的文章券册。Wide&Deep模型的核心思想...