機器學習
建立乙個自定義列表
如何建立乙個註腳
注釋也是必不可少的
katex數學公式
新的甘特圖功能，豐富你的文章
uml 圖表
flowchart流程圖
匯出與匯入
c](這裡寫自定義目錄標題)
你好！ 這是你第一次使用markdown編輯器所展示的歡迎頁。如果你想學習如何使用markdown編輯器, 可以仔細閱讀這篇文章，了解一下markdown的基本語法知識。
全新的介面設計，將會帶來全新的寫作體驗；
在創作中心設定你喜愛的**高亮樣式，markdown將**片顯示選擇的高亮樣式進行展示；
全新的katex數學公式語法；
增加了支援甘特圖的mermaid語法1
功能；增加了焦點寫作模式、預覽模式、簡潔寫作模式、左右區域同步滾輪設定等功能，功能按鈕位於編輯區域與預覽區域中間；
增加了檢查列表功能。
撤銷：ctrl/command + z
重做：ctrl/command + y
加粗：ctrl/command + b
斜體：ctrl/command + i
無序列表：ctrl/command + shift + u
有序列表：ctrl/command + shift + o
檢查列表：ctrl/command + shift + c
插入**：ctrl/command + shift + k
插入：ctrl/command + shift + g
直接輸入1次#，並按下space後，將生成1級標題。
輸入2次#，並按下space後，將生成2級標題。
以此類推，我們支援6級標題。有助於使用toc語法後生成乙個完美的目錄。
強調文字
強調文字
加粗文字加粗文字
標記文字
刪除文字
引用文字h2o is是液體。
210 運算結果是 1024.
帶尺寸的:
居中的:
居中並且帶尺寸的:
當然，我們為了讓使用者更加便捷，我們增加了拖拽功能。
去部落格設定頁面，選擇一款你喜歡的**片高亮樣式，下面展示同樣高亮的**片.
// an highlighted block
var foo =
'bar'
;
專案3乙個簡單的**是這麼建立的：
專案value
電腦$1600
手機$12
導管$1
使用:---------:居中
使用:----------居左
使用----------:居右
第一列第二列
第三列第一列文字居中
第二列文字居右
第三列文字居左
smartypants將ascii標點字元轉換為「智慧型」印刷標點html實體。例如：
type
ascii
html
single backticks
'isn't this fun?'『isn』t this fun?』
quotes
"isn't this fun?"「isn』t this fun?」
dashes
-- is en-dash, --- is em-dash– is en-dash, — is em-dash
markdown
text-to-
html conversion tool
authors
john
luke
乙個具有註腳的文字。2
markdown將文字轉換為 html。
您可以使用渲染latex數學表示式 katex:
gamma公式展示 γ(n
)=(n
−1)!
∀n∈n
\gamma(n) = (n-1)!\quad\forall n\in\mathbb n
γ(n)=(
n−1)
!∀n∈
n 是通過尤拉積分
γ (z
)=∫0
∞tz−
1e−t
dt.\gamma(z) = \int_0^\infty t^e^dt\,.
γ(z)=∫
0∞t
z−1e
−tdt
.
你可以找到更多關於的資訊latex數學表示式here.可以使用uml圖表進行渲染。 mermaid. 例如下面產生的乙個序列圖：:
這將產生乙個流程圖。:
我們依舊會支援flowchart的流程圖：
如果你想嘗試使用此編輯器, 你可以在此篇文章任意編輯。當你完成了一篇文章的寫作, 在上方工具欄找到文章匯出，生成乙個.md檔案或者.html檔案進行本地儲存。
如果你想載入一篇你寫過的.md檔案或者.html檔案，在上方工具欄可以選擇匯入功能進行對應副檔名的檔案匯入，
繼續你的創作。
mermaid語法說明↩︎
註腳的解釋 ↩︎
機器學習學習筆記
2.機器學習書籍 機器學習tom,這個是老經典，就是翻譯欠佳 prml，這個書正版的超貴，但是比較新且系統，可以通過其他途徑搞個副本。3.自己動手編碼實現2 3種經典演算法，比如svm，lr，bpnn等。4.了解spark上目前支援的機器學習方法的用途和用法，這個在日常工作中會用到。知道的多一點，方...
機器學習 學習筆記
關於梯度下降演算法的優化與 會有三種方法優化梯度下降演算法 1.共軛梯度下降法 conjugate 2.變尺度法 bfgs 3.限制變尺度法 l bfgs 這些方法的好處是 1.不用選擇學習速率 2.收斂的速度快，執行效率高 但是她們的缺點在於 實現她們的方法太複雜，所以我們就可以使用語言的內建庫函...
機器學習 學習筆記
監督學習 我們的學習演算法使用的資料是給出正確答案的資料，然後我們執行學習演算法，出更多的正確答案。理解為像深度需學習類似，利用訓練樣本訓練處學習模型，然後用測試樣本對學習到的模型進行檢測，輸出 結果。無監督學習 可以理解為對於學習演算法所使用的資料集並沒有給出正確答案，學習演算法就是要對這資料集進...