1、机器学习“判定模型”和“生成模型”有什么区别?(https://www.zhihu.com/question/20446337)
判别式模型举例:要确定一个羊是山羊还是绵羊,用判别模型的方法是从历史数据中学习到模型,然后通过提取这只羊的特征来预测出这只羊是山羊的概率,是绵羊的概率。
生成式模型举例:利用生成模型是根据山羊的特征首先学习出一个山羊的模型,然后根据绵羊的特征学习出一个绵羊的模型,然后从这只羊中提取特征,放到山羊模型中看概率是多少,在放到绵羊模型中看概率是多少,哪个大就是哪个。
https://www.cnblogs.com/bonelee/p/15116547.html
![](https://img.haomeiwen.com/i3432981/fab786e75ad623fa.png)
2、BoW(Bag of words)词袋模型详解(https://www.jianshu.com/p/7298deddca21)
3、自然语言处理中N-Gram模型介绍(https://zhuanlan.zhihu.com/p/32829048)
https://blog.csdn.net/gaobing1993/article/details/108430806
https://blog.csdn.net/weixin_45144934/article/details/115113145
4、方差、标准差、期望与归一化(https://www.jianshu.com/p/583b289841e7)
5、LDA主题模型(https://www.cnblogs.com/fengsser/p/5836677.html)
https://blog.csdn.net/weixin_41168304/article/details/122389948
6、SVM(https://blog.csdn.net/qq_42363032/article/details/107210881)
https://blog.csdn.net/qq_41076797/category_10012443.html
SVM(一):拉格朗日乘数法详解(https://blog.csdn.net/qq_41076797/article/details/112676195)
SVM(二):KKT条件最直白的解释(https://blog.csdn.net/qq_41076797/article/details/112763987)
https://zhuanlan.zhihu.com/p/33229011/
https://www.cnblogs.com/lunge-blog/p/11617047.html
SVM(三):对偶问题最直白解释(https://blog.csdn.net/qq_41076797/article/details/112781675)
https://zhuanlan.zhihu.com/p/46944722
SVM(四):超平面详细解释(https://blog.csdn.net/qq_41076797/article/details/112830324)
SVM(五):SVM的数学模型详细介绍(https://blog.csdn.net/qq_41076797/article/details/112802572)
SVM(六):带松弛变量的SVM数学模型(https://blog.csdn.net/qq_41076797/article/details/112859868)
为什么最大化1/||w||与最小化1/2||w||^2是等价的?(https://www.zhihu.com/question/68394029/answer/262737419)
7、机器学习-常用回归算法归纳(全网之最)(https://blog.csdn.net/qq_42363032/article/details/121019360)
8、逻辑回归(Logistic Regression)详解(https://blog.csdn.net/weixin_60737527/article/details/124141293)
9、如何通俗易懂地讲解什么是 PCA(主成分分析)?(https://www.zhihu.com/question/41120789?utm_source=qq)
10、密度聚类( DBSCAN )(https://blog.csdn.net/qq_38436431/article/details/120538371)
https://blog.csdn.net/qq_16608563/article/details/85756651
K-Means算法、K-Means++ 算法和Mean Shift 算法都是基于距离的聚类算法,基于距离的聚类算法的聚类结果都是球状的簇
当数据集中的聚类结果是非球状结构是,基于距离的聚类效果并不好
基于密度的聚类算法能够很好的处理非球状结构的数据,与基于距离的聚类算法不同的是,基于密度的聚类算法可以发现任意形状的簇类。
11、层次聚类介绍(https://blog.csdn.net/vendetta_gg/article/details/106623951)
https://www.bilibili.com/video/BV1GT4y1J7zk?from=search&seid=7067268047185072772
12、
网友评论