Rhys_Wang

摘要： 最近几个月一直在和几个小伙伴做Deep Learning相关的事情。除了像tensorflow,gpu这些框架或工具之外，最大的收获是思路上的，Neural Network相当富余变化，发挥所想、根据手头的数据和问题去设计创新吧。今天聊一个Unsupervised Learning的NN：Autoe 阅读全文

摘要： Char Dec Oct Hex | Char Dec Oct Hex | Char Dec Oct Hex | Char Dec Oct Hex (nul) 0 0000 0x00 | (sp) 32 0040 0x20 | @ 64 0100 0x40 | ` 96 0140 0x60 (soh 阅读全文

摘要： Decision Tree算法的思路是，将原始问题不断递归地细分为子问题，直到子问题直接可获得答案为止。在模型训练的过程中，根据训练集去做树的生长(Grow the tree)，生长所有可能的Branches，最终达到叶子节点（leaf nodes）。在预测过程中，则遍历树枝，去寻找和预测目标最相近 阅读全文

摘要： 分部积分： 阅读全文

摘要： 在Machine Learning的Regression Problem中，常用Quadratic Function来做Cost Function，用以表征Hypothesis与Y之间的差距。而通过Gradient Descent来不断调整参数，从而缩小这个Gap从而训练我们的算法。 而在Neura 阅读全文

摘要： 经过上一篇的推导，我们的优化问题已经化为了如下等价形式： 我们在不考虑任何约束条件的情况下去想这个minimize的问题，可以将其抽象为： SMO算法的思想是，每次迭代，只改变一个参数，而将n-1个参数固定住，循环往复只到达到我们期望。但在SVM的等式条件里，如果将n-1个参数都固定住了，也就相当于 阅读全文

摘要： 很多材料上面讲道“引入Soft Margin的原因是因为数据线性不可分”，个人认为有些错误，其实再难以被分解的数据，如果我们用很复杂的弯弯绕曲线去做，还是可以被分解，并且映射到高维空间后认为其线性可分。但如果我们细细思考，其实很多算法都有一样的索求：寻求一种之于“最大限度拟合训练集”and“获得更好 阅读全文

摘要： 之前我们分析Logistic Regression，通过求p(y|x)来判定数据属于哪一个输出分类，这种直接判定的方法称为Discriminative Learning Algorithms，但还有另一种思路去接此问题，称为Generative Learning Algorithms，其中包括本文要 阅读全文

摘要： 在上篇文章《Support Vector Machine(1):线性可分集的决策边界》中，我们最后得到，求SVM最佳Margin的问题，转化为了如下形式： 到这一步后，我个人又花了很长的时间去查阅资料，因为数学较差的原因，理解起来相当慢，不过探索的乐趣也就在于不断的打破瓶颈向前，OK继续。上述的问题 阅读全文

摘要： Content-Based Recommender System是基于产品（商品、网页）的内容、属性、关键字，以及目标用户的喜好、行为，这两部分数据来联合计算出，该为目标用户推荐其可能最感兴趣的产品。 有几个点值得注意： a、并不太关注其他用户的喜欢、行为或评分等，仅仅关注目标用户； b、适合于新产 阅读全文