數學是機器學習的基礎。斯坦福大學教授 Stephen Boyd 聯合加州大學洛杉磯分校的 Lieven Vandenberghe 教授出版了一本基礎數學書籍，從向量到最小二乘法，分三部分進行講解並配以輔

前言 視訊的資訊很多，速度很快，隱含著我對學習的個人心得，希望能在必要的時候暫停和思考。 知識是壓縮資訊的過程，如果學習完卻發現需要記憶的東西更多了，一定是哪裡出了差錯。 任何一

個人掘金鍊接 個人部落格原文連結 一、數學基礎 似然函式 概率（probability）：描述已知引數時的隨機變數的輸出結果； 似然函式（likelihood

本文討論了七種流行的收縮和選擇方法的數學屬性和實際的Python應用。 在本文中，我們將介紹七種流行的子集選擇和線性迴歸收縮方法。在介紹了證明需要這些方法的主題之後，我們將逐一研究每種方法，包括數學屬性和

介紹 預測股市的走勢是最困難的事情之一。影響預測的因素很多 - 包括物理因素與心理因素，理性行為和非理性行為等。所有這些因素結合在一起共同導致股價波動，很難以高精度預測。 我們是否可以將機

線性迴歸 理論 線性迴歸最簡單和最經典的機器學習模型之一。 任何一個機器學習模型都會有如下4個要素： 訓練資料 數學模型 損失函式 計算方法 訓練資料

List 表示的就是線性表，是具有相同特性的資料元素的有限序列。它主要有兩種儲存結構，順序儲存和鏈式儲存，分別對應著 ArrayList 和 LinkedList 的實現，接下來以 jdk7 程式碼為例，對這兩

今天看見鄰居家的小朋友在做數學題 整頁題目千篇一律 什麼叫千篇一律？ 整個頁面就像格式化輸出+random引數生成的一樣 小時候就很頭疼這種作業 少題怡情，多題傷身 小時候因為做作業而失

過節福利，我們來深入理解下L1與L2正則化。 1 正則化的概念 正則化(Regularization) 是機器學習中對原始損失函式引入額外資訊，以便防止過擬合和提高模型泛化效能的一類方法

新年伊始，很榮幸筆者的 《教你用 Python 進階量化交易》 專欄在慕課專欄板塊上線了，歡迎大家訂閱！為了能夠提供給大家更輕鬆的學習過程，筆者在專欄內容之外會陸續推出一些手記來輔助同學們學習本專欄內容，因此

此係列將會每日持續更新，歡迎關注 線性迴歸 (linear regression)的TensorFlow實現 #這裡是基於python 3.7版本的TensorFl

線性表的定義和基本運算 線性表的邏輯定義 (1) 線性表，Linear_List是最簡單和最常用的一種資料結構。 (2) 線性表是由n個數據元素（結點）a1,a2,...

一、前言 計算機程式離不開演算法和資料結構，資料結構這門學科就是為了讓計算機能夠以更加高效，簡單，便捷的方式來儲存和使用資料而產生的。本文簡單介紹棧(Stack)和佇列(Queue)的實現 二

詳細程式碼參考 github 利用正則化線性迴歸模型來了解偏差和方差的特徵 例項： 首先根據資料建立線性迴歸模型，模型能夠根據水庫液位的變化來預測大壩的排水量，然後通過調整引數等方法來學習偏差和

前言 最近有在學習網易雲課堂上《吳恩達機器學習》這門課程, 受益匪淺, 然後打算將有關線性迴歸模型的知識點總結下來, 也就有了本文. 若存在錯誤的地方, 還請指正, 謝謝! 目錄 正文 線性迴歸