weixin_46402349的博客

1、Tensorflow2、BP神经网络、RBF神经网络3、CNN4、RNN5、GAN

1、需要哪些数据？1）业务分析：基于对业务规则的理解，尽可能d2）2、数据如何存储？3、数据清洗4、数据工程

矩阵分解SVD和NMF主题模型1、LDA2、LD参数学习-gabbis 采样（类似坐标轴下降）

1、隐马尔可夫模型

1、贝叶斯算法

目录1、单标签二分类2、单标签多分类2.1 OVO2.2 ovr2.3 error correcting​3、多标签算法​3.1 转换策略​3.1.1 binary relevance3.1.2 classifier chains​3.1.3 calibrated label ranking3.2 算法适应​3.2.1 ML-KNN3.2.2 ML-DT1、单标签二分类2、单标签多分类2.1 OVO...

一、前置知识回顾1、梯度下降2、拉格朗日乘子法（有约束的最优化问题）3、KKT回顾er

曼哈顿距离：距离很近情况下的近似计算；切比雪夫距离：某一维度距离特别大，其他维度距离都很近的情况下距离计算大多数情况都用欧氏距离

离散化具体推导过程参考：数据挖掘领域十大经典算法之—AdaBoost算法（超详细附代码）

目录1、logistic回归2、softmax回归3、KNN4、决策树1、logistic回归本质：二分类算法，计算的是样本x属于某一个类别的概率为p，样本属于另一个类别的概率为1-p.最终认为样本x属于概率较大的那一个类别。2、softmax回归softmax是一个多分类算法。需要计算样本属于某一个类别的概率。最终认为：样本属于概率最大的那一个类别。softmax会为每一个类别训练一个参数theta向量，所以在softmax需要求解的参数是由...

最小二乘法是概率密度是高斯分布的最大似然估计的状况。

目录1、函数2、概率相关的公式3、最大似然估计(MLE)4、矩阵、向量的运算5、梯度下降法1、函数函数的定义：一个自变量x对应唯一一个因变量y（对具体参考坐标系而言）2、概率相关的公式条件概率（已知落在B，落在A1B的概率，如图）全概率公式贝叶斯公式相关概念链接：理解概率分布函数和概率密度函数协方差：可以通俗的理解为：两个变量在变化过程中是同方向变化？还是反方向变化？同向或反向程度如何？相关系数（协方差进行标准化）：标准...