正式学习之前，所需要的预备知识（主要是数学）应该包括：微积分（偏导数、梯度等等）、概率论与数理统计（例如极大似然估计、中央极限定理、大数法则等等）、最优化方法（比如梯度下降、牛顿-拉普什方法、变分法（欧拉-拉格朗日方程）、凸优化等等）——如果你对其中的某些名词感到陌生，那么就说明你尚不具备深入开展数 ...
分类：
其他好文 时间：
2017-08-07 19:29:03
阅读次数：
169
博客已经迁移至Marcovaldo’s blog (http://marcovaldong.github.io/) Andrew Ng的Machine Learning比較简单，已经看完。林田轩的机器学习基石很多其它的是从概率论的角度来介绍机器学习，之前的视频已经听了大半。但好多都是模棱两可。如今从 ...
分类：
其他好文 时间：
2017-08-06 14:11:43
阅读次数：
764
这篇博客是关于机器学习中基于概率论的分类方法--朴素贝叶斯，内容包括朴素贝叶斯分类器，垃圾邮件分类，解析RSS源数据以及用朴素贝叶斯来分析不同地区的态度. ...
分类：
编程语言 时间：
2017-08-03 00:51:05
阅读次数：
202
题目： 大家常常感慨，要做好一件事情真的不容易，确实，失败比成功容易多了！ 做好“一件”事情尚且不易，若想永远成功而总从不失败，那更是难上加难了，就像花钱总是比挣钱容易的道理一样。 话虽这样说，我还是要告诉大家，要想失败到一定程度也是不容易的。比如，我高中的时候，就有一个神奇的女生，在英语考试的时候 ...
分类：
其他好文 时间：
2017-08-02 22:08:18
阅读次数：
190
遇到个概率题，非常有意思。虽然当时我已经把均匀分布什么的忘光了，但还是觉得有些怪。 先看： 一个人等公交车，0-10分钟内车来的概率是1/2，那么是0-20分钟内车来的概率是多少？ 但我发现自己傻眼了随机变量的分布的条件，公式都忘了。而且感觉这题似乎缺少了什么。 跟对面的扯，哎呀忘了公式，随机变量都 ...
分类：
其他好文 时间：
2017-07-30 10:13:15
阅读次数：
112
7月30之前做了什么 监督学习的常见算法，如决策树，SVM，GLM，naive bayes，非监督算法，k-means，kNN 相关的概率论知识补充，除神经网络与深度学习外的资料收集，对脑机研究的基本了解，对整体机器学习，深度学习，数据挖掘这块宏观的认识 接下来还需要继续学习的有： 1.继续传统机器 ...
分类：
其他好文 时间：
2017-07-28 14:07:47
阅读次数：
154
我的概率有点差哦，怎么期望的基本概念都不会了 概率论是研究随机现象数量规律的数学分支。随机现象是相对于决定性现象而言的。在一定条件下必然发生某一结果的现象称为决定性现象。例如在标准大气压下，纯水加热到100℃时水必然会沸腾等。随机现象则是指在基本条件不变的情况下，每一次试验或观察前，不能肯定会出现哪 ...
分类：
其他好文 时间：
2017-07-21 14:12:57
阅读次数：
173
这一周是期末考试结束后的第一周，在排球队学姐们的督促下，我这一周过得非常充实。 自学完了概率论与数理统计第一、二、三章，开始自学数据结构。 上大学后我渐渐明白了一些道理，知道每个人所追求的东西是不一样的，因此各人在对待一件事情上态度、花费精力都会有所不同。况且人的时间精力就像水缸里的水，用一瓢少一瓢 ...
分类：
其他好文 时间：
2017-07-14 21:12:56
阅读次数：
157
注：其实从中学就开始学习统计学了，最早的写"正"字唱票（相当于寻找众数），就是一种统计分析的过程。还有画直方图，求平均值，找中位数等。自己在学校里并没有完整系统的学习过概率论和数理统计，直到在工作中用到，才从最初的印象中，逐渐把这门学科与整个数学区分开来。自从认识到这门学科在自己从事的工作（数据分析 ...
分类：
其他好文 时间：
2017-07-10 23:44:18
阅读次数：
251
4.1 事件与概率 在一个黑箱中, 放着 3 个红球和 1 个白球. 我们从箱中取出一个球, 再放回去, 反复进行若干次. 每一次的结果是不确定的, 但总体上拿到红球的次数与拿到白球的次数接近 3 : 1 . 我们发现, 这类现象很常见, 那么我们就要尝试把这类现象的特点进行概括, 命名, 然后研究 ...
分类：
其他好文 时间：
2017-07-06 22:56:25
阅读次数：
117
