统计学习方法详细讲解
文章平均质量分 95
详细讲解机器学习原理,尤其是对机器学习原理进行细致的公式推导,从而帮助初学者更好的理解原理。
余额抵扣
助学金抵扣
还需支付
¥9.90
¥99.00
购买须知?
本专栏为图文内容,最终完结不会低于15篇文章。
订阅专栏,享有专栏所有文章阅读权限。
本专栏为虚拟商品,基于网络商品和虚拟商品的性质和特征,专栏一经购买无正当理由不予退款,不支持升级,敬请谅解。
herosunly
985院校硕士毕业,现担任算法工程师一职,获得CSDN博客之星第一名,热衷于大模型算法的研究与应用。曾担任百度千帆AI应用挑战赛、英特尔AI创新应用大赛等比赛评委,科大讯飞AI大学堂荣誉讲师,编写微软OpenAI考试认证指导手册。曾获得多项AI顶级比赛的Top名次,其中包括阿里云天池比赛第一名,科大讯飞分类挑战赛第一名,CCF信息分类比赛比赛第二名,开放原子分类比赛二等奖,CCF家族分类第四名,科大讯飞阿尔茨海默症预测挑战赛第四名,科大讯飞事件抽取挑战赛第七名。在技术创新领域拥有多项授权发明。曾辅导多位非科班出身的同学成功进入算法行业就业。希望和大家一起成长进步。
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
详解矩阵求导法则
1. 向量对标量求导 1.1 kronecker(克罗内克尔)delta 1.2 标量对向量求导 1.2.1 向量内积对向量的求导 1.2.1 二次型的求导 2. 向量对向量求导 2.1 矩阵与向量的乘积对向量求导 2.2 Hessian矩阵原创 2022-08-24 07:00:00 · 16489 阅读 · 7 评论 -
线性回归详解(代码实现+理论证明)
1. 使用numpy和tensorflow进行线性回归的案例 1.1 使用numpy实现线性回归 1.1.1 代码实现 1.1.2 生成随机样本点 1.1.3 训练模型得到线性回归的模型参数 1.1.4 模型验证 1.2 使用tensorflow实现线性回归 1.2.1 导库 1.2.2 生成随机样本点 1.2.3 训练模型得到线性回归的模型参数 1.2.4 显示线性回归模型结果 2. 最小二乘法的证明 2.1 极值法 2.2 几何意义上的证明 3.为什么最小二乘法采用的损失函数是平方损失 4. 抑制过拟合原创 2022-08-21 07:00:00 · 10428 阅读 · 5 评论 -
概率论之大数定理与中心极限定理
1. 基本概念 1.1 定律 vs 定理 1.2 频率 vs 概率 2. 前言 3. 大数定理 4. 中心极限定理 1.2 频率 vs 概率 2. 前言 3. 大数定理 4. 中心极限定理 开局先来两张图,第一张是浙大的概率论教材,第二张是陈希孺老师的概率论教材。 定律(law)是根据实验证明出来的(有时候只是知其然不知其所以然),定理(theorem)是数学证明,有前提假设、证明过程和证明结果的。所以在这里使用定理更为合适。原创 2022-01-17 12:43:49 · 1299 阅读 · 1 评论 -
高斯分布的详细介绍
高斯分布在统计机器学习中占有举足轻重的作用。比如线性高斯模型、卡曼滤波(本质上也是线性高斯模型)、PCA。 在卡曼滤波中**相邻的隐变量**服从线性高斯模型,如$z_{t-1}$和$z_t$服从$z_t=Az_{t-1}+B+\epsilon$。其中$\epsilon$为高斯噪声。顺便说一句,与隐变量相对应的另一种变量是观测变量。原创 2019-02-20 14:17:41 · 1579 阅读 · 0 评论 -
频率派和贝叶斯派
1. 理论详解 1.1 频率派 1.2 贝叶斯派 2. 实例分析 2.1 频率派 2.2 贝叶斯派 3. 总结原创 2019-12-12 11:22:06 · 11329 阅读 · 2 评论 -
统计学习方法详解之第一章统计方法及监督学习概论
文章目录1. 前言1.1 常见误区1.2 解决方法2. 统计学习的基本概念2.1 统计学习的定义2.2 统计学习的重要特点2.3 统计学习的对象2.4 统计学习的目的3. 统计学习的分类4. 统计学习方法三要素5. 模型评估与模型选择6. 泛化能力7. 生成模型与判别模型 1. 前言 本课程主要是对李航老师的《统计学习方法》第二版进行深入的讲解。工欲善其事,必先利其器。所以为了帮助初学者提高学习效率,先简单讲解一下学习的误区和要点。 1.1 常见误区 误区一:在学习过程中总想达到面面俱到,也就是必须原创 2021-08-08 16:55:30 · 2439 阅读 · 14 评论 -
统计学习方法详解之第十三章 无监督学习概论
0. 写在前面的话 1. 无监督学习基本原理 2. 基本问题 2.1 聚类 2.2 降维 2.3 概率生成模型 3. 无监督学习三要素 4. 无监督学习方法 4.1 聚类 4.2 降维 4.3 话题分析 4.4 图分析原创 2022-01-14 16:32:12 · 27186 阅读 · 3 评论
分享