摘要:1.递归与动态规划的思考 "Leetcode第95题" 递归问题最重要的问题是想明白函数的作用是什么? 这个例子中函数的返回值就是给定a b这个区间的数字,返回它所有可能的Tree,此时你不需要明白具体怎么做到的 接下来就是考虑a b,a==b,a阅读全文
posted @ 2019-12-09 23:52 SpringC 阅读 (1) 评论 (0) 编辑
摘要:Q1:python函数传参是传值还是传引用? A:Python参数传递采用的肯定是“传对象引用”的方式。这种方式相当于传值和传引用的一种综合。python不允许程序员选择采用传值还是传引用。 如果函数收到的是一个 可变对象 (比如字典或者列表)的引用,就能修改对象的原始值--相当于通过“传引用”来传 阅读全文
posted @ 2019-11-09 15:44 SpringC 阅读 (7) 评论 (0) 编辑
摘要:频率派 $vs$ 贝叶斯派 一、前言 1. 在使用各种概率模型时,比如极大似然估计 $logP(X|\theta)$,已经习惯这么写了,可是为什么这么写?为什么X在前,为什么 $\theta$ 在后,分别代表了什么?这些更深一层的逻辑和理由不是特别清晰,故此梳理一下频率派与贝叶斯派的区别。 2. 本 阅读全文
posted @ 2019-10-12 19:23 SpringC 阅读 (112) 评论 (0) 编辑
摘要:遵循统一的机器学习框架理解高斯混合模型(GMM) 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点,更希望大家能有自己的理解。 2. 本文参考了网络上诸多资料,特别是B站UP "shuhuai008" 的视频,讲解东西也是我最喜欢的方式:从多个角度阐述和理解问题。 二、理解 阅读全文
posted @ 2019-10-08 12:06 SpringC 阅读 (101) 评论 (0) 编辑
摘要:Markdown写作相关(持续更新) 在使用markdown写作的过程中,有时候会遇到一些公式或者语法问题,直接在网上查询资料会出来太多太多,总是需要筛选。因此在这里做一个资料汇总,需要时直接查询即可。 "查询 数学公式" 阅读全文
posted @ 2019-10-07 22:51 SpringC 阅读 (27) 评论 (0) 编辑
摘要:EM算法之不同的推导方法和自己的理解 一、前言 EM算法主要针对概率生成模型解决 具有隐变量的混合模型的参数估计 问题。 对于简单的模型,根据极大似然估计的方法可以直接得到解析解;可以在具有隐变量的复杂模型中,用MLE很难直接得到解析解,此时EM算法就发挥作用了。 E步解决隐变量的问题,M步求解模型 阅读全文
posted @ 2019-10-07 21:58 SpringC 阅读 (58) 评论 (0) 编辑
摘要:遵循统一的机器学习框架理解逻辑回归 标签: 机器学习 LR 分类 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点,更希望大家能有自己的理解。 2. 本文参考了网络上诸多资料。 二、理解 统一的机器学习框架(MLA): 1.模型(Model) 2.策略(Loss) 3.算法 阅读全文
posted @ 2019-10-04 17:59 SpringC 阅读 (47) 评论 (0) 编辑
摘要:遵循统一的机器学习框架理解SVM 一、前言 1. 我的博客仅记录我的观点和思考过程。欢迎大家指出我思考的盲点,更希望大家能有自己的理解。 2. 本文参考了李宏毅教授讲解SVM的课程和李航大大的统计学习方法。 二、理解 统一的机器学习框架(MLA): 1.模型(Model) 2.策略(Loss) 3. 阅读全文
posted @ 2019-10-03 15:10 SpringC 阅读 (50) 评论 (0) 编辑