飞剑客的博客

PRML第一章读书小结    第一章用例子出发，较为简单的引入了概率论、模型、决策、损失、信息论的问题，作为机器学习从业者，读PRML除了巩固已有基础，还受到了很多新的启发，下面将我收到的启发总结如下。1. 多项式曲线拟合问题多项式拟合问题作为全书的第一个引例，通过此说明了很多关键的概念。给定一个训练集，训练集由$x$的N次观测组成，记作$math...

PRML第一章读书小结    第一章用例子出发，较为简单的引入了概率论、模型、决策、损失、信息论的问题，作为机器学习从业者，读PRML除了巩固已有基础，还受到了很多新的启发，下面将我收到的启发总结如下。1. 多项式曲线拟合问题多项式拟合问题作为全书的第一个引例，通过此说明了很多关键的概念。给定一个训练集，训练集由$x$的N次观测组成，记作$math...

1. 什么是强化学习  强化学习（reinforcement learning, RL）是近年来大家提的非常多的一个概念，那么，什么叫强化学习？  强化学习是机器学习的一个分支，和监督学习，非监督学习并列。  参考文献[1]中给出了定义：Reinforcement learning is learning what to do ...

强化学习分享陈迪 用户策略部 2019年11月12日1. 什么是强化学习  强化学习（reinforcement learning, RL）是近年来大家提的非常多的一个概念，那么，什么叫强化学习？  强化学习是机器学习的一个分支，和监督学习，非监督学习并列。  参考文献[1]中给出了定义：Reinforcement lear...

论文研读：基于统计重加权的方法减少通用回复会议名称：EMNLP2018文章题目：Towards Less Generic Responses in Neural Conversation Models: A Statistical Re-weighting Method原文链接：https://link.zhihu.com/?target=https://www.paperweekly.si...

一、模型可解释性    近年来，机器学习（深度学习）取得了一系列骄人战绩，但是其模型的深度和复杂度远远超出了人类理解的范畴，或者称之为黑盒（机器是否同样不能理解？），当一个机器学习模型泛化性能很好时，我们可以通过交叉验证验证其准确性，并将其应用在生产环境中，但是很难去解释这个模型为什么会做出此种预测，是基于什么样的考虑？作为机器学习从业者很容易想清楚为什么...

一、 前言    最近在工作中需要对海量数据进行相似性查找，即对微博全量用户进行关注相似度计算，计算得到每个用户关注相似度最高的TOP-N个用户，首先想到的是利用简单的协同过滤，先定义相似性度量（cos，Pearson,Jaccard），然后利用通过两两计算相似度，计算top-n进行筛选，这种方法的时间复杂度为$O(n^2)$（对于每个用户，都和其他任意一...

    在知乎中写技术类文章，经常会用到markdown知乎文章可以导入markdown格式，但是不支持Latex公式。知乎大神提供了替代方案： https://zhuanlan.zhihu.com/p/69142198替换为：nn查找目标：$n*(.*?)n*$替换为：nn    为实现自动化，用py...

在机器学习中，我们经常要利用极大似然法近似数据整体的分布，本篇文章通过介绍极大似然法及其一些性质，旨在深入浅出地解释清楚极大似然法。首先看一下经典的贝叶斯公式：$$p(Y|X)=frac{p(X|Y)p(Y)}{p(X)}$$其中，$p(Y)$称为先验概率($prior$)，即根据先验知识得出的关于变量$Y$的分布，$p(X|Y)$称为似然函数（$likelihood$），$p(X)$为变...

本科期间学过C，自学了一段时间C++却对其不甚了解（尤其是指针）的我，由于种种原因，对JAVA甚是好奇，机缘巧合下得到了这本书，随后决心自行修读一遍，用时55天，总算将此书读完，在此记录一下这一个多月来对此书的看法。在我看来《Java从入门到精通》一书对于基本语法描述的较为清晰，实例较多（虽然实例多有瑕疵、错误），对于入门打基础来说前几章内容的确是不可多得的详尽。但是基础知识介绍完后，在核心技