【IM】關於稀疏學習和魯棒學習的理解
主要是理解L1和L2正則化，魯棒學習中也是圍繞L1殘差和L2方差損失來提出模型。關於魯棒學習，對於異常值的魯棒性有兩方面：一是對現有樣本中異常點的魯棒性；二是對新增異常點的魯棒性。
關於L1和L2正則化，參考如下博文理解：
https://blog.csdn.net/fjssharpsword/article/details/78842374
https://blog.csdn.net/fjssharpsword/article/details/78850393
再次回顧下，有監督迴歸是對實值函式的近似，最小二乘法是近似的一種方法，包括問題建模、優化求解。
相關推薦
【IM】關於稀疏學習和魯棒學習的理解
主要是理解L1和L2正則化，魯棒學習中也是圍繞L1殘差和L2方差損失來提出模型。關於魯棒學習，對於異常值的魯棒性有兩方面：一是對現有樣本中異常點的魯棒性；二是對新增異常點的魯棒性。 關於L1和L2正則化，參考如下博文理解： https://blog.csdn.net/fjssharpsw
【轉】簡述C和C++的學習歷程
cnblogs 習慣 使用 模板 服務器 網絡 log 消息 面向對象 簡述C和C++的學習歷程（轉） ——by：肖舸老師總是被同學們問到，如何學習C和C++才不茫然
【安全】公鑰和私鑰的理解學習
參考 原因 今天在看某個區塊鏈開源框架原始碼的時候看到了RSA相關的加密和解密操作，想起來以前用git的時候也遇到過生成公鑰和私鑰，用了幾次，但是沒有深入的研究過，所以這次要弄明白這兩個鑰匙的左右。看了上面參考的兩個老哥的解釋，大致上有一個簡單的瞭解
【IM】關於聚類評價演算法的理解
譜聚類是基於拉普拉斯特徵對映的k近鄰聚類，matlab程式碼如下： >> n=500;c=2;k=10;t=randperm(n);a=linspace(0,2*pi,n/2)'; >> x=[a.*cos(a) a.*sin(a);(a+pi).*cos(a) (a
【IM】關於支援向量機分類的理解
支援向量機分類的理解核心就是核方法以及二次規劃最優求解。 SVM相關博文： https://blog.csdn.net/fjssharpsword/article/details/79965283 https://blog.csdn.net/fjssharpsword/article
【vue】vuikit-grid和寬度元件的理解(重要)
我們把一個最外層的grid設定為自動適配，然後內部分成兩份， 第一部分還是一個grid，寬度為總寬度的3/4，通過grid外包的div設定寬度 它分為兩個card，第一個寬
【IM】關於整合學習Bagging和Boosting的理解
整合學習在各大比賽中非常流程，如XGboost、LGBM等，對其基學習器決策樹及其剪枝等，可參考： https://blog.csdn.net/fjssharpsword/article/details/54861274 整合學習可參考： https://blog.csdn.net/
【IM】關於半監督學習的理解
基於流形假設的半監督學習：假定輸入概率密度p(x)和條件概率密度p(y|x)之間具有某種關聯，估計p(x)輔助對p(y|x)的估計以提升精度。流形假設，即輸入資料只出現在某個流形上，輸出則在該流形上平滑變化。 拉普拉斯正則化是把輸入資料在流形上進行函式平滑的半監督學習演算法，結合拉普拉斯矩陣(L
【IM】關於引數模型和核模型的理解
學習模型按照引數與維度還是樣本相關，可分為引數模型（引數與維度相關）和核模型（引數與樣本相關）。 對於核模型的核方法或核函式說明有如下博文，參考《圖解機器學習》理解如下兩頁。 https://blog.csdn.net/fjssharpsword/article/details/8166
【IM】從貝葉斯角度理解生成式和判別式及引數估計方法
生成式和判別式及引數估計方法，綜合如下博文，參考《圖解機器學習》一書，有如下兩頁理解。 https://blog.csdn.net/fjssharpsword/article/details/79297306 https://blog.csdn.net/fjssharpsword/art
【機器人學】機器人開源專案KDL原始碼學習：（3）機器人操作空間路徑規劃(Path Planning)和軌跡規劃（Trajectory Planning）示例
很多同學會把路徑規劃(Path Planning)和軌跡規劃（Trajectory Planning）這兩個概念混淆，路徑規劃只是表示了機械臂末端在操作空間中的幾何資訊，比如從工作臺的一端（A點）沿直線移動到另一端（B點）。而軌跡規劃則加上了時間律，比如它要完成的任務是從A點開始到B點結束，中間
【NLP】語言模型和遷移學習
10.13 Update：最近新出了一個state-of-the-art預訓練模型，傳送門： 李入魔：【NLP】Google BERT詳解 zhuanlan.zhihu.com 1. 簡介 長期以來，詞向量一直是NLP任務中的主要表徵技術。隨著2017年底以及2018年初的一系列技術突破，研究證實
【C++】vector容器和list容器中使用單個迭代器的erase函式學習筆記
例題為：假設有如下ia的定義，ia複製到vector和list中，把list容器中奇數值元素刪除掉，把vector容器偶數值元素刪除掉。 陣列複製採用push_back操作。刪除操作採用了erase函式，由於該函式返回值為指向被刪除元素後面的元素，則使用了返回值賦值回給迭代
【演算法】神經網路和深度學習簡介
01 深度學習掀起海嘯如今，深度學習浪潮拍打計算機語言的海岸已有好幾年，但是，2015年似乎才是
【Spring】使用Spring和AMQP發送接收消息（上）
com load 設定 支持 消息發送 結果 alt 來看 接下來 講AMQP之前，先講下傳統的JMS的消息模型，JMS中主要有三個參與者：消息的生產者、消費者、傳遞消息的通道（隊列或者主題），兩種消息模型如下：通道是隊列： 通道是隊列： 通道是主題： 在JMS中，雖然
【轉】關於LIS和一類可以用樹狀數組優化的DP 預備知識
免費 關註 最長上升子序列 2.3 bzoj1264 一個數 long 個數字 等於 原文鏈接 http://www.cnblogs.com/liu-runda/p/6193690.html 預備知識 DP（Dynamic Programming)
【android】uses-permission和permission具體解釋
.com 新的 -i weight bsp htm fin article 程序 1.<uses-permission>： 官方描寫敘述： If an application needs access to a feature prote
【轉】Visual C++ 和 C++ 有什麽區別？
業界 流行 編譯器 gtk+ 語言 開發 多種實現 廠商 計算 有位同學問我“Visual C++和C++有什麽區別？”，這的確是初學者會感到困惑的問題，比較常見。除此之外，還有“先學C++好，還是先學Visual C++好？”，都屬於同樣的概念不明的問題，就比
【Nginx】--【1】http代理和反向代理
nginx【1】代理服務；是一個位於客戶端和原始服務器之間的服務器，為了從原始服務器取得內容，客戶端向代理發送一個請求並指定目標(原始服務器)，然後代理向原始服務器轉交請求並將獲得的內容返回給客戶端。客戶端必須要進行一些特別的設置才能使用正向代理。【2】反向代理：用戶某個服務器他是偷偷從另外一臺服務器上取回來
【BZOJ】1299: [LLH邀請賽]巧克力棒
-a main ring bool include 我們 i++ color name 【算法】博弈論 【題解】這道題不是典型的SG函數題了。 不把它當成遊戲看待，那麽這道題是在說n個石子堆，每次可以加入若幹個或進行Nim遊戲。 我們當前先手，則考慮構造必敗態來獲勝。 當前