烧灯续昼2002

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第4天，点击查看活动详情 $$ L(\mu_{1},\mu_{2},\Sigma,\phi)=\sum\limits_{i=1}^

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第3天，点击查看活动详情 $$ \begin{gathered} \left{(x_{i},y_{i})\right}{i=1}^

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第2天，点击查看活动详情   $$ \begin{gathered} \left{(x_{i},y_{i})\right}{i=1

持续创作，加速成长！这是我参与「掘金日新计划 · 10 月更文挑战」的第1天，点击查看活动详情 线性判别分析的思想是，找的一个方向$\omega$，将样本向这个方向做投影，投影后的数据尽可能的满足 相

本文已参与「新人创作礼」活动，一起开启掘金创作之路。   $$ \left{\begin{aligned}&频率派\rightarrow 统计机器学习\rightarrow \begin{gather

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 在之前已知 $$ \begin{gathered} Loss \space Function:L(\omega)=\sum\limits_{i=1

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $$ \begin{gathered} D=\left{(x_{1},y_{1}),(x_{2},y_{2}),\cdots ,(x_{N},y_

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $$ \begin{gathered} X \sim N(\mu,\Sigma)=\frac{1}{(2\pi)^{\frac{p}{2}}|\S

本文已参与「新人创作礼」活动，一起开启掘金创作之路。 $$ \begin{gathered} X \sim N(\mu,\Sigma)=\frac{1}{(2\pi)^{\frac{p}{2}}|\S