摘要：
一次谷歌面试趣事 https://mp.weixin.qq.com/s/cEDPneTo8W-pDAfsGRNs6A 很多年前我进入硅谷人才市场，当时是想找一份高级工程师的职位。如果你有一段时间没有面试过，根据经验，有个非常有用的提醒你应该接受，就是：你往往会在前几次面试中的什么地方犯一些错误。简单 阅读全文
posted @ 2018-08-23 11:12
SAP虾客
阅读(964)
评论(2)
推荐(3)
摘要：
【十大经典数据挖掘算法】k-means https://mp.weixin.qq.com/s/SWlE-KBJ4mVza92nJFX1hg 作者简介： Treant 人工智能爱好者社区专栏作者 博客专栏：https://www.cnblogs.com/en-heng 1、引言 k-means与kNN 阅读全文
posted @ 2018-08-22 16:47
SAP虾客
阅读(638)
评论(0)
推荐(0)
摘要：
【机器学习】机器学习的经典算法 https://mp.weixin.qq.com/s/CxSG9l_dxA4G-SZKOGI1ng 本文为整篇文章第二部分，整篇文章主要目录如下： 1：一个故事说明什么是机器学习 2：机器学习的定义 3：机器学习的经典算法 4：机器学习的应用--大数据 5：机器学习的 阅读全文
posted @ 2018-08-22 13:21
SAP虾客
阅读(1064)
评论(0)
推荐(0)
摘要：
【机器学习】如何简单形象又有趣地讲解神经网络是什么？ https://mp.weixin.qq.com/s/jAcInAWI6cVvsnevoHIShQ 作者：王小龙 链接：www.zhihu.com/question/22553761/answer/36429105 1 分类 神经网络最重要的用途 阅读全文
posted @ 2018-08-22 12:13
SAP虾客
阅读(376)
评论(0)
推荐(0)
摘要：
EM算法 EM算法是一种迭代法，其目标是求解似然函数或后验概率的极值，而样本中具有无法观测的隐含变量。因为隐变量的存在，我们无法直接通过最大化似然函数来确定参数的值。可以采用一种策略，构造出对数似然函数的一个下界函数，这个函数不含有隐变量，然后优化这个下界。不断的提高这个下界，使原问题达到最优解，这 阅读全文
posted @ 2018-08-22 11:11
SAP虾客
阅读(358)
评论(0)
推荐(0)
摘要：
logistic回归 logistic回归是一种二分类算法，直接为样本估计出它属于正负样本的概率。先将向量进行线性加权，然后计算logistic函数，可以得到[0,1]之间的概率值，它表示样本x属于正样本的概率： 正样本标签值为1，负样本为0。使用logistic函数的原因是它单调增，并且值域在(0 阅读全文
posted @ 2018-08-22 11:02
SAP虾客
阅读(586)
评论(0)
推荐(0)
摘要：
华为人工智能岗位面试经历分享 https://mp.weixin.qq.com/s/sSQlhZdXDgu80OINf3Uu7Q 作者 Jack Yang 如需转载，请联系原作者授权。 Part.1 面试是在马桶上进行的，因为那里安静。 开始我自我介绍，然后他说总体介绍的很清晰。 然后问我的项目细节 阅读全文
posted @ 2018-08-22 10:58
SAP虾客
阅读(1417)
评论(1)
推荐(0)
摘要：
阅读全文
posted @ 2018-08-21 14:50
SAP虾客
阅读(259)
评论(0)
推荐(0)
摘要：
拉格朗日对偶 对偶是最优化方法里的一种方法，它将一个最优化问题转换成另外一个问题，二者是等价的。拉格朗日对偶是其中的典型例子。对于如下带等式约束和不等式约束的优化问题： 与拉格朗日乘数法类似，构造广义拉格朗日函数： 必须满足 的约束。 原问题为： 即先固定住x，调整拉格朗日乘子变量，让函数L取极大值 阅读全文
posted @ 2018-08-21 12:57
SAP虾客
阅读(2645)
评论(0)
推荐(0)
摘要：
拉格朗日乘数法 拉格朗日乘数法是一个理论结果，用于求解带有等式约束的函数极值。对于如下问题： 构造拉格朗日乘子函数： 在最优点处对x和乘子变量的导数都必须为0： 解这个方程即可得到最优解。对拉格朗日乘数法更详细的讲解可以阅读任何一本高等数学教材。 机器学习中用到拉格朗日乘数法的地方有： 主成分分析 阅读全文
posted @ 2018-08-21 11:53
SAP虾客
阅读(858)
评论(0)
推荐(0)
浙公网安备 33010602011771号