qq_34615112的博客

BM25属于bag-of-word（词袋）模型，通常用来计算query与文档间相关性。下面先给出计算公式：score(D,Q)=∑i=1nidf(qi)∗tf(qi,D)∗(k1+1)tf(qi,D)+k1∗(1−b+b∗∣D∣avgdl)score(D,Q)=\sum_{i=1}^nidf(q_i)*\frac{tf(q_i, D)*(k_1+1)}{tf(q_i, D)+k_1*(1-b+...

k-means算法K-均值聚类算法（k-means clustering algorithm)是一种无监督聚类算法。本文前部分介绍算法原理及优缺点，后面通过Python代码实现一个简版的k-means算法。优缺点优点：简洁快速，算法的关键在于初始中心的选择和距离度量。缺点：K值（聚类的数目）需要事先确定。聚类结果对初始类中心的选取较为敏感。容易陷入局部最优。只能发现球型簇...

Bagging从原始样本集中有放回抽样，获取训练子集。假设训练集有N个样本，每轮从训练集中有放回的抽取N个训练样本。共进行k轮抽取，得到k个训练子集。（k个训练集之间是相互独立的）每个训练子集训练一个模型，k个训练集共得到k个模型。对分类问题：投票；回归问题：取均值Boosting使用全部样本训练每个模型；每轮训练改变样本的权重，减小在上一轮训练正确的样本的权重，增大错误样本的权...

TF-IDF（词频-逆文档频率）是一种统计方法，用以评估一个单词在一个文档集合或语料库中的重要程度。经常被用作信息检索、文本挖掘以及用户模型的权重因素。tf-idf的值会随着单词在文档中出现的次数的增加而增大，也会随着单词在语料库中出现的次数的增多而减小。tf-idf是如今最流行的词频加权方案之一。TF（Term Frequency，词频）：表示一个给定词语t在一篇给定文档d中出现的频率。公...

本文转载自：https://www.jianshu.com/p/99eb7dcd0114，如有侵权，请及时联系删除logistic分布函数和密度函数，手绘大概的图像分布函数：- 密度函数:其中，μ表示位置参数，γ为形状参数。logistic分布比正太分布有更长的尾部且波峰更尖锐LR推导，基础5连问基础公式f(x) = wx + by = sigmoid(f(x))可以看作...