红色石头的个人博客通俗解释协方差与相关系数
8红色石头 发布于 2018-08-22
什么是协方差（Covariance）？ 协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。 如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。 如果两个变量的变化趋势相反，即其中一个...
阅读(1463)评论(0)赞 (7)
标签：机器学习 第3页
机器学习笔试题精选（七）
3红色石头 发布于 2018-08-14
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(2265)评论(0)赞 (5)
我的机器学习入门路线图
3红色石头 发布于 2018-08-06
因为之前有不少朋友在微信或 QQ 上问我，机器学习、深度学习应该如何入门呢？对应这一问题，红色石头碰巧也在知乎上看到有人提问，就把自己的入门学习经验好好总结了一番，包括各种资源、课程笔记和建议，以及红色石头切身经历的机器学习路线图。希望对你有所帮助。 1. 放弃海量资料！ 没错，...
阅读(7919)评论(0)赞 (35)
为什么局部下降最快的方向就是梯度的负方向？
4红色石头 发布于 2018-08-06
什么是梯度？ 对于梯度下降算法（Gradient Descent Algorithm），我们都已经很熟悉了。无论是在线性回归（Linear Regression）、逻辑回归（Logistic Regression）还是神经网络（Neural Network）等等，都会用到梯度下降...
阅读(2074)评论(0)赞 (12)
Coursera 吴恩达《Machine Learning》视频 + 作业
3红色石头 发布于 2018-08-03
吴恩达（Andrew Ng）在 Coursera 上开设的机器学习入门课《Machine Learning》，授课地址是： Coursera Andrew Ng Machine Learning 关于这门课的官方介绍是：本课程将广泛介绍机器学习、数据挖掘和统计模式识别。相关主题包...
阅读(3530)评论(0)赞 (14)
机器学习笔试题精选（六）
2红色石头 发布于 2018-08-01
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(2145)评论(0)赞 (4)
机器学习中的维度灾难
12红色石头 发布于 2018-07-31
一、介绍 本篇文章，我们将讨论所谓的“维度灾难”，并解释在设计一个分类器时它为何如此重要。在下面几节中我将对这个概念进行直观的解释，并通过一个由于维度灾难导致的过拟合的例子来讲解。 考虑这样一个例子，我们有一些图片，每张图片描绘的是小猫或者小狗。我们试图构建一个分类器来自动识别图...
阅读(871)评论(0)赞 (1)
多元函数的泰勒(Taylor)展开式
5红色石头 发布于 2018-07-31
实际优化问题的目标函数往往比较复杂。为了使问题简化，通常将目标函数在某点附近展开为泰勒(Taylor)多项式来逼近原函数。 一元函数在点x_k处的泰勒展开式为： f(x) = f(x_k)+(x-x_k)f'(x_k)+\frac{1}{2!}(x-x_k)^2f”(...
阅读(1673)评论(0)赞 (4)
机器学习笔试题精选（五）
9红色石头 发布于 2018-07-31
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(1543)评论(0)赞 (2)
机器学习笔试精选题（四）
12红色石头 发布于 2018-07-31
机器学习是一门理论性和实战性都比较强的技术学科。在应聘机器学习相关工作岗位时，我们常常会遇到各种各样的机器学习问题和知识点。为了帮助大家对这些知识点进行梳理和理解，以便能够更好地应对机器学习笔试包括面试。红色石头准备在公众号连载一些机器学习笔试题系列文章，希望能够对大家有所帮助！...
阅读(934)评论(0)赞 (1)
