IP属地：北京
-
深度学习优化算法（2）—— Momentum、AdaGrad、RMSProp、Adam算法概述 动量法：梯度转化为速度 AdaGrad：每个参数反比于历史梯度平方总和的平方根 RMSProp：AdaGrad的升级（将梯度积累替换为滑动平均） Adadelta：...
-
机器学习笔记--决策树这里开始机器学习的笔记记录。今天的这篇是一个分类方法--决策树。 方法适用问题模型特点模型类别学习策略学习的损失函数学习算法 决策树多类分类，回归分类树，回归树判别模型正则化...
-
SVM 由浅入深的尝试（二）对偶问题的理解
首先，在这里回答一个问题， SVM算法问什么要转为对偶问题？原因就在于，SVM的代价函数里我们要求最大间隔分隔超平面，传统的方法就是通过样本计算出最优解w,b，但是这种做法严...
-
秋招记录-百度核心搜索部
一面：1、链表反转2、字符串的最长公共子序列（输出该子序列，用的动态规划）动态规划的思路： 3、介绍项目4、XGBOOst和GBDT的区别。• 传统GBDT以CART作为...
-
美团机器学习实践第二章-特征工程总结思维导图如下： 在机器学习应用中，特征工程扮演重要的角色，可以说特征工程时机器学习应用的基础。我们都知道，数据和特征决定了机器学习算法的上限，而模型和算法只是不断逼近这个上限...
-
fasttext文本分类与原理
预备知识 为了更好的理解fastText，我们先来了解一些预备知识。第一个是BoW模型，也叫做词袋模型。BoW模型（Bag of words）应用于自然语言处理、信息检索和图...
-
08 主题模型 - LDA07 主题模型 - 知识补充 - 概率知识、二项\多项\Beta\Dirichlet分布 八、LDA 隐含狄利克雷分布(Latent Dirichlet Allocation...
-
03 EM算法 - EM算法流程和直观案例02 EM算法 - K-means算法回顾、EM概述 利用EM算法处理聚类问题的步骤： 样本数据x={x1,x2,...,xm}，联合分布p(x,z;θ)，条件分布p(z|x...
-
05 EM算法 - 高斯混合模型 - GMM04 EM算法 - EM算法收敛证明 GMM(Gaussian Mixture Model, 高斯混合模型)是指该算法由多个高斯模型线性叠加混合而成。每个高斯模型称之为com...
-
GBDT与XGBoost之前介绍过梯度下降法与牛顿法，GBDT与XGBoost就与这两种方法有关。 boosting(包括GBDT、XGBoost)是一个加法模型，有以下优缺点： 优点：• 可解释性...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内部，进而理解参数的含义，根据需...
-
机器学习-LR推导及与SVM的区别之前整理过一篇关于逻辑回归的帖子，但是只是简单介绍了一下了LR的基本思想，面试的时候基本用不上，那么这篇帖子就深入理解一下LR的一些知识，希望能够对面试有一定的帮助。 1、逻...
