摘要：
零. 例行废话 这个问题其实很早了，也没什么特别tricky的地方，但是我今天突然做到这道题，发现竟然博客上竟然没有比较靠谱的解法，要么大家就是用笨重的累减法，要么就是不要face的公然用除法。关于溢出处理，我发现基本上都没有遵循题目中说的$[ - {2^{31}},{2^{31}} - 1]$的约 阅读全文
2018年11月5日
2018年10月31日
摘要：
一．问题的提出 我们先回想一下之前经常处理的问题，我们常常是在给定这样一组模式的情况下: $$({x_1},{y_1}),...,({x_n},{y_n}) \in X \times Y$$ 寻找这样一个映射： $$f:X \to Y$$ 但是我们注意到，在各种回归和分类问题中，我们常常认为Y=R， 阅读全文
2018年10月18日
摘要：
一. 引语 作为感知机（perceptron）的重要发展，在早期的机器学习领域，SVM绝对算的上是一个巨大的飞跃，相比于支持perceptron的无脑迭代（即不知道是否一定收敛）以及结果的随机性（即收敛结果的随机性），SVM以其精巧的设计和优良的模型特性使得它在问世之后便立即成为及其学习界的宠儿。 阅读全文
2018年10月12日
摘要：
零. 引子——高维空间与西瓜 这学期选课有一门“网络数据挖掘”，原来特别担心与本学期选的一门“模式识别与数据挖掘”在一定程度上相重复，不过还好，这个老师讲课不是照本宣科，讲得更多的是个人的理解还有从业经验。 今天讲得挺有意思的一点是，在讲到聚类的时候，老师有些嗤之以鼻，说在高维空间内，聚类算法可能并 阅读全文
2018年10月7日
摘要：
一．前言 一直想对之前学习的模型做一个比较好的总结，但是最后总是不了了之。总结来看，主要在学习的过程中往往会陷入到两个误区，要么是过于注重对于模型形式化推导和求解的数学过程，这往往会导致过于追求局部的技巧而忽略对于模型本身宏观的认识，最后陷入无尽的数学学习中；要么是和大多数仅仅停留在入门阶段的人一样 阅读全文
