龙宁

本文主要介绍了支持向量机的软间隔和硬间隔，从模型定义，如何转化模型求解为一个优化问题，以及最终使用拉格朗日乘子法对其进行求解，具备完整的流程阐述。...

简要介绍了核方法处理的问题类型，以及引出为何提出核方法，以及对正定核函数的证明解释。主要起到总结的作用。...

介绍了什么样的问题是约束优化问题，并展示了如何转化为对偶形式，以及证明了对偶关系成立、科普了Slater条件与KKT条件。...

介绍了降维的几种手段以及为何要降维，主要介绍主成分分析法的思想，两种使用PCA的方式，以及SVD角度看待PCA和p-PCA的相关概念。...

从线性回归过渡到线性分类，介绍了感知机，线性辨别分析，逻辑回归，高斯辨别分析，朴素贝叶斯等线性分类模型的数学推导。...

解释了skip-gram，continuous bag-of-word两个word2vec模型与负采样、层序softmax的原理，以及乞丐版skip-gram代码实现。...

白板推导系列笔记前言。在本文中，对一些0基础的问题进行讲解，但是由于涉及到知识范围太广，难以全部涉及，建议先对线性代数、高数、概率论的部分内容掌握扎实之后再来阅读，会减少一...

线性回归模型因为结构简单，可解释性好，实现简单，在工程领域得到广泛应用，它是机器学习世界的"Hello World！"。完整、全面地掌握线性回归模型，对今后的机器学习理论大...

A Neural Probabilistic Language Model论文解读+复现，该论文试图建立一个神经网络来学习一种语言中的单词序列的联合概率函数，是将神经网络引...

从0开始的复现论文生活，分享了一个自己整理的思维导图和收集的论文资料（同时也激励自己一定要坚持住，至少看完这十篇）...

从高斯分布的维度，局限性，边缘概率，条件概率等入手，加深对高斯分布的理解以及数学理论的掌握，并且熟悉统计派和贝叶斯派工具的常见使用方法。...

『白板推导系列笔记』第0章，主要介绍前置知识储备，以及对频率派和贝叶斯派的初步了解and一些优质课程资源的总结。...

本次项目可以看做机器学习的入门学习赛，将通过Kaggle Elo赛题，带您熟悉机器学习竞赛流程，并得到一个基本的，可提交的csv文件。...

中医是中华民族的瑰宝，此次任务将机器阅读理解和中医药领域文本结合起来，通过 PaddleNLP 开发库，让计算机帮助人类在大量中医文本中找到想要的答案，从而减轻人们对信息的...

HMM 模型适用于隐变量是离散的值的时候，对于连续隐变量的 HMM，常用卡尔曼滤波（Kalman Filtering）描述线性高斯模型的态变量，使用粒子滤波（Particl...

粒子滤波（Particle Filter）是动态模型的非线性，非高斯的版本，也就是说z_t和z_{t-1}、x_t和z_t的关系是非线性的，其噪声也是非高斯的。...

从HMM与MEMM引入条件随机场，并且介绍了CRF的概率密度函数以及其向量形式，通过参数估计与推断，解决了求边缘概率与参数估计等问题。...

高斯网络是一种概率图模型，对于普通的概率图模型，其随机变量的概率分布是离散的，而高斯网络的概率分布是连续的高斯分布。为此我们从马尔科夫网络与贝叶斯网络两个角度来介绍高斯网络...

本文首先介绍了线性回归的基本概念，其次从贝叶斯派的角度证明线性回归方法的正确性，是对回归问题的一种补充。...

将⼀维高斯分布推广到多变量中就得到了高斯网络，将多变量推广到无限维，就得到了高斯过程。高斯过程是定义在连续域（时间/空间）上的无限多个高斯随机变量所组成的随机过程。...