前言 学习分类算法，线性分类器最简单的就是LDA，它可以看做是简化版的SVM，如果想理解SVM这种分类器，那理解LDA就是很有必要的了。 谈到LDA，就不得不谈谈PCA，PC...
发简信
IP属地：吉林
-
降维算法二：LDA（Linear Discriminant Analysis）
-
机器学习面试之LSTM
在深度学习中，RNN已经成为标准组件，很多领域都要用到，LSTM则是最经典的RNN结构。所以面试时是必问的，最基本的面试题就是要说清楚LSTM的结构。本文试图对其结构进行浅显...
-
机器学习中牛顿法凸优化的通俗解释
之前，我发过一篇文章，通俗地解释了梯度下降算法的数学原理和推导过程，推荐一看。链接如下： 简单的梯度下降算法，你真的懂了吗？ 我们知道，梯度下降算法是利用梯度进行一阶优化，而...
-
机器学习面试之偏差方差
在机器学习的面试中，能不能讲清楚偏差方差，经常被用来考察面试者的理论基础。偏差方差看似很简单，但真要彻底地说明白，却有一定难度。比如，为什么KNN算法在增大k时，偏差会变大，...
-
机器学习面试之最大熵模型最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解答这个问题，需要对两个模型的原理都有清晰的理解，很多面试者虽...
-
机器学习面试之归一化与标准化
在机器学习的面试中，数据是否需要归一化和标准化是个常见问题。之所以常见，是因为它有很多暗坑，每个暗坑都可以考察应聘者机器学习基础是否扎实。 1、先说是什么，再说为什么 归一化...
-
有史以来最有趣的科学家——费曼
有趣的科学家 最近，我看了一本书，名字叫做《发现的乐趣》。这本书集合了科学家费曼的一部分访谈录和演讲。也许你不知道费曼是谁。但你一定知道投往日本的那两颗原子弹。他曾经参加过曼...
