摘要：前言 在监督式机器学习中，无论是回归问题还是分类问题，都少不了使用损失函数（Loss Function）。**损失函数（Loss Function）**是用来估量模型的预测值 f(x) 与真实值 y 的不一致程度。 若损失函数很小，表明机器学习模型与数据真实分布很接近，则模型性能良好；若损失函数很大 阅读全文

摘要：声明一下，本文只是介绍一下最基础的基于内容的推荐系统（Content-based recommender system）的工作原理，其实基于内容的推荐系统也分三六九等，这里只是简单的较少一下最原始的、最基本的工作流程。 基于内容的推荐算法思路很简单，它的原理大概分为3步： 1、为每个物品（Item） 阅读全文

摘要：先来说一下这几者之间的关系：人工智能包含机器学习，机器学习包含深度学习（是其中比较重要的分支）。深度学习源自于人工神经网络的研究，但是并不完全等于传统神经网络。所以深度学习可以说是在传统神经网络基础上的升级。神经网络一般有输入层->隐藏层->输出层，一般来说隐藏层大于2的神经网络就叫做深度神经网络， 阅读全文

摘要：1、什么是 softmax 机器学习总归是要接触到 softmax 的，那么这个东东倒底是怎么来的呢？对于熟悉机器学习或神经网络的读者来说，sigmoid与softmax两个激活函数并不陌生，但这两个激活函数在逻辑回归中应用，也是面试和笔试会问到的一些内容，掌握好这两个激活函数及其衍生的能力是很基础 阅读全文

摘要：北京大学视觉与听觉信息处理实验室 北京邮电大学模式识别与智能系统学科 复旦大学智能信息处理开放实验室 IEEE Computer Society北京映象站点 计算机科学论坛 机器人足球赛 模式识别国家重点实验室 南京航空航天大学模式识别与神经计算实验室 - PARNEC 南京大学机器学习与数据挖掘研 阅读全文