支援向量機通俗導論（理解svm的三層境界）
最大熵模型中的數學推導
**em演算法的兩個理解角度
資料探勘領域十大經典演算法之—em演算法
如何通俗地講解 viterbi 演算法？
通俗理解lda主題模型
從拉普拉斯矩陣說到譜聚類
從貝葉斯方法談到貝葉斯網路
cnn筆記：通俗理解卷積神經網路
程式設計師面試、演算法研究、程式設計藝術、紅黑樹、機器學習5大系列集錦
bat機器學習面試1000題系列（第1~305題）
一文讀懂目標檢測：r-cnn、fast r-cnn、faster r-cnn、yolo、ssd
一文通透優化演算法：從隨機梯度、隨機梯度下降法到牛頓法、共軛梯度
通俗理解kaggle比賽大殺器xgboost
bp神經網路推導過程詳解
gradient checking（梯度檢驗）
詳解谷歌最強nlp模型bert（理論+實戰）
周志華《機器學習》公式推導：南瓜書pumpkinbook
機器學習 最大熵模型推導
先說說熵的定義，假設我們有隨機變數 x 其概率分布為 p x 則其熵為 h p x xp x log p x 條件熵 h p y x xp x yp y x l ogp y x 可以證明，在概率相等的時候，熵可以達到最大值。也可以理解為 最混亂 一般情況下，如果對乙個事物沒有任何的先驗知識，我們傾向...
機器學習 Softmax推導
lr可以看成是softmax的特例。lr主要是用於二分類，如果面臨的是多分類問題，可以用softmax。softmax通常也是深度學習影象識別網路的最後一層。在lr中，引數 是乙個向量，而在softmax中，引數可以看成是乙個矩陣。也就是每乙個輸出都對應著乙個引數向量 h xi p yi 1 x i...
機器學習 深入SVM原理及模型推導（一）
svm模型大家可能非常熟悉，可能都知道它是面試的常客，經常被問到。它最早誕生於上世紀六十年代。那時候雖然沒有機器學習的概念，也沒有這麼強的計算能力，但是相關的模型和理論已經提出了不少，svm就是其中之一。svm完全可以說是通過數學推導出來的模型，由於當時還沒有計算機，所以模型當中的引數都是數學家們用...