机器学习8--支持向量机（下）

机器学习8—支持向量机（下） 上节回顾：从逻辑回归引出支持向量机—>定义函数间隔和几何间隔—>最优间隔分类器（通过最大化间隔，得到最优）—>引出拉格朗日对偶（作用：通过对偶将算法变得更高效；处理高维）—>将对偶用到最优间隔分类器本节内容：核函数（升维）—

机器学习7--支持向量机（上）

机器学习5_6--生成学习算法(高斯判别分析GDA和朴素贝叶斯NB)

生成学习算法 说明： m为样本数目，i为第i个样本数目； joint likelihood ：联合似然估计判别学习算法和生成学习算法的区别： 算法 Learn 说明 概率类型 判别学习算法 $P(y/x)$ 特征x下，输出y的概率 先验概率（经验为x） 生

数据预处理--分箱（平滑）和归一化

数据预处理—分箱（平滑）和归一化

机器学习4--GLM 广义线性模型'

机器学习2-GLM 广义线性模型 对于高斯分布、伯努利分布、多项式分布，均称之为GLM。

机器学习1_2_3_4--梯度和牛顿算法

一、 符号说明 $m$:样本数目（行数）<—>$i$某一行$n:$特征数目（列数）<—>$j$某一列$x,y$:输入和输出变量$i^{th}$:training example<—>$(x^{(i)}, y{(j)})$$\theta$学习参数

LaTex入门

[TOC]

学习计划(5月中旬到八月初)

作息

其他人找工作经历

明确自己的目标 数据挖掘方向 需要的知识：数据结构和算法的基本知识；机器学习中数据挖掘方向的算法；语言：以Python和Java为主。

Hexo基础学习

文章显示部分： <figure class="highlight