几率论-wikiphp
理解 Bias 与 Variance 之间的权衡
//var是不一样训练模型之间的差异,比如K-fold之中,若是不一样模型之间差异很大(var大),也就是说他们都和本身的训练集与其余训练集不接近,因此,不一样模型之间var很大->他们就都不是truth;而若是bias很大,不用细讲,那他们更不是truthjava
先验几率与后验几率git
PR曲线、ROC曲线和AUC
详解最大似然估计(MLE)、最大后验几率估计(MAP),以及贝叶斯公式的理解
//MLE隐含了参数取任何值的几率都同样,而MAP则考虑到了参数取不一样值的几率是有差异的,有些值更容易取到,有些值不容易取到。好比扔十次硬币,十次都是正,那MLE估计得结果就是正的几率为1,但你们知道这明显不可能,因此要用到先验几率,就是上面所说,咱们预先知道了取1几乎不可能算法
判别模型(Discriminative model)和生成模型(Generative model)网络
常见的几种最优化方法(梯度降低法、牛顿法、拟牛顿法、共轭梯度法等)机器学习
数值优化(Numerical Optimization)学习系列-线搜索方法(LineSearch)学习
SMO优化算法(Sequential minimal optimization)
深刻理解拉格朗日乘子法(Lagrange Multiplier) 和KKT条件
算法杂货铺——分类算法之朴素贝叶斯分类(Naive Bayesian classification)
机器学习中的数学(5)-强大的矩阵奇异值分解(SVD)及其应用
特征降维-PCA(Principal Component Analysis)
主成分分析(Principal components analysis)-最大方差解释
EM算法(Expectation Maximization Algorithm)详解
A Step by Step Backpropagation Example
强化学习(Reinforcement Learning, RL)初步介绍
Deep Reinforcement Learning 基础知识
加强学习Reinforcement Learning经典算法梳理1:policy and value iteration
Build Intelligent Applications
集体智慧编程
机器学习实战