Tags

活着就是一场修行
Python

Python encode & decode总结

UTF-8 Unicode Ascii 等编码关系

编码

Python encode & decode总结

UTF-8 Unicode Ascii 等编码关系

感知机

感知机

梯度下降、对偶形式

人工智能

交叉熵损失函数

sigmoid，softmax，推导，好处

决策树损失函数Nt的理解

决策树损失函数Nt的理解

CART树之剪枝

CART树之剪枝

集成学习

关于集成学习和集成树的一些总结

提升树

分类问题和回归问题的提升树

GBDT

梯度提升决策树

杂知识点

一些模型中用到的基本概念

决策树

特征选择 ID3 C4.5 CART

损失函数有感

误差计算 防止过拟化

朴素贝叶斯

极大似然估计 贝叶斯估计

KNN k近邻法

k近邻法的构造及搜索

感知机

梯度下降、对偶形式

机器学习

交叉熵损失函数

sigmoid，softmax，推导，好处

决策树损失函数Nt的理解

决策树损失函数Nt的理解

CART树之剪枝

CART树之剪枝

集成学习

关于集成学习和集成树的一些总结

XGBoost

XGBoost

提升树

分类问题和回归问题的提升树

GBDT

梯度提升决策树

杂知识点

一些模型中用到的基本概念

随机森林

随机森林

决策树

特征选择 ID3 C4.5 CART

损失函数有感

误差计算 防止过拟化

朴素贝叶斯

极大似然估计 贝叶斯估计

KNN k近邻法

k近邻法的构造及搜索

感知机

梯度下降、对偶形式

KNN

KNN k近邻法

k近邻法的构造及搜索

markdown

markdown中使用LaTex

LaTex

markdown中使用LaTex

朴素贝叶斯

朴素贝叶斯

极大似然估计 贝叶斯估计

损失函数

交叉熵损失函数

sigmoid，softmax，推导，好处

损失函数有感

误差计算 防止过拟化

决策树

决策树损失函数Nt的理解

决策树损失函数Nt的理解

CART树之剪枝

CART树之剪枝

集成学习

关于集成学习和集成树的一些总结

决策树

特征选择 ID3 C4.5 CART

随机森林

集成学习

关于集成学习和集成树的一些总结

随机森林

随机森林

分类

提升树

分类问题和回归问题的提升树

杂知识点

一些模型中用到的基本概念

聚类

杂知识点

一些模型中用到的基本概念

回归

提升树

分类问题和回归问题的提升树

杂知识点

一些模型中用到的基本概念

GBDT

集成学习

关于集成学习和集成树的一些总结

GBDT

梯度提升决策树

提升树

集成学习

关于集成学习和集成树的一些总结

提升树

分类问题和回归问题的提升树

XGBoost

XGBoost

XGBoost

集成学习

集成学习

关于集成学习和集成树的一些总结

bootstrap

集成学习

关于集成学习和集成树的一些总结

bagging

集成学习

关于集成学习和集成树的一些总结

AdaBoost

集成学习

关于集成学习和集成树的一些总结

链接

一些URL

浏览网页中比较重要的链接

交叉熵

交叉熵损失函数

sigmoid，softmax，推导，好处

softmax

交叉熵损失函数

sigmoid，softmax，推导，好处

sigmoid

交叉熵损失函数

sigmoid，softmax，推导，好处