与老杨交流

7/15 朴素贝叶斯优缺点 https://www.cnblogs.com/pinard/p/6069267.html

6/30 优化方法 https://www.cnblogs.com/guoyaohua/p/8542554.html

6/29 pandas，五中回归损失函数再看

6/27时间序列模型预测方法 https://zhuanlan.zhihu.com/p/54413813

6/26 机器学习实践指南第二章——房屋价格预测

6/24 损失函数 http://www.csuldw.com/2016/03/26/2016-03-26-loss-function/

https://zhuanlan.zhihu.com/p/39239829

 

 

5/25讲解内容

正则化 L1,L2 https://zhuanlan.zhihu.com/p/29360425

svm  白板推导

决策树（三）--完整总结：

(其中也有CART相关推导，比较推荐)

https://blog.csdn.net/app_12062011/article/details/52136117

问：区别ID3 C4.5 CART的主要依据是什么？如果是信息增益、Gini值，那GBDT或者XGB中的CART分裂并不是按照Gini值来进行的…

 

XGB:

https://www.jianshu.com/p/7467e616f227

GBDT的推导解答

稍微解释了一下GBDT的建树过程：

https://zhuanlan.zhihu.com/p/42740654

也就是GBDT的叶节点的回归值即均值（每棵树的目标值的均值），树节点划分指标是平方损失函数

 

Adboost

https://zhuanlan.zhihu.com/p/42018105

能大致解释adboost的思想，但为什么只更新分错的权重？而且权重在整体分类正确或缺错误的时候其变化是不均一的 错误

《统计学习》李航 8.提升方法中所描述的公式更加的合理

另外：权重在建树的过程中到底体现在哪里？

两个想法，①在计算信息增益或者基尼值时候乘以其权重

                     ②直接计算每个节点的分类误差率最小的feature和阈值

 

Adboost R2 应用于回归问题

https://www.cnblogs.com/pinard/p/6133937.html

但是不太理解弱学习器的系数与权重计算公式的含义（可以一起分析一下）

RF随机森林：

https://zhuanlan.zhihu.com/p/51165358

简述GBDT/XGBOOST在调参时为什么树的深度很小也能得到很到的精度？

https://zhuanlan.zhihu.com/p/38794281

 

SVD及其在推荐系统中的应用

https://blog.csdn.net/zhongkejingwang/article/details/43053513

https://blog.csdn.net/zhongkejingwang/article/details/43083603

6/1

讲解：朴素贝叶斯  https://cuijiahua.com/blog/2017/11/ml_3_decision_tree_2.html

 

LR推导 https://blog.csdn.net/ltlitao717/article/details/75453480#commentBox

https://blog.csdn.net/march_on/article/details/49132573

交叉熵：
https://zhuanlan.zhihu.com/p/61944055
https://www.zhihu.com/question/65288314/answer/244557337

最小二乘：
https://zhuanlan.zhihu.com/p/66192625
https://www.cnblogs.com/wangkundentisy/p/7505487.html 

6/3 

influx概念 https://www.jianshu.com/p/a1344ca86e9b

mysql使用教程

绘制直方图函数，并对其进行泰勒拟合

6/4

卷积解释  https://blog.csdn.net/bitcarmanlee/article/details/54729807

k选择方法 https://blog.csdn.net/qq_15738501/article/details/79036255

 

6/5
精确率、召回率、F1 值、ROC、AUC 各自的优缺点是什么？ - 京东白条的回答 - 知乎 https://www.zhihu.com/question/30643044/answer/222274170

6/10（杨）【20190610】
1.正则表达式
https://www.bilibili.com/video/av37107352
https://regex101.com/ (RE测试网站)
2.理解极大似然
https://www.zhihu.com/question/24124998/answer/242682386
3.EM算法，《统计学习》李航，第9章
https://zhuanlan.zhihu.com/p/36331115

6/11 爬虫学习 https://www.bilibili.com/video/av19057145/?p=7&t=415

学习pymysql与数据库连接 https://www.cnblogs.com/woider/p/5926744.html

6/18

LDA   https://zhuanlan.zhihu.com/p/27899927

6/19

sklearn auto_gen_pramas  https://blog.51cto.com/emily18/2088128?utm_source=oschina-app

https://blog.csdn.net/u011311291/article/details/81035122

6/20

本地jupyter 密码设置1234，搭建pymysql

求导公式链接 https://blog.csdn.net/WPR1991/article/details/82929843

EM 算法  ： https://zhuanlan.zhihu.com/p/36331115

6/21

SVM与LR区别 https://blog.csdn.net/xiaocong1990/article/details/83004159

百面第三章——svm问题