python-数学

数学分析 概率论基础

导数与梯度

taylor展式的应用

机器学习

流程

1. 数据收集
2. 数据清洗
3. 特征工程
4. 数据建模

相关内容

线性回归、rate、loss

em code

em算法

gmm与图像

图像的卷积

去均值ICA分离

带噪声的信号分离

SVM: 高斯核函数的影响

HMM分词：MLE

LDA

舆情

最大熵模型

聚类

降维

SVM

主题模型pLASA/LDA

条件随机场

变分推导Variation Inference

深度学习

$$ S=\frac{1}{0!} + \frac{1}{1!} + \frac{1}{2!} + \frac{1}{3!} + \frac{1}{4!} + \frac{1}{4!} + \Lambda + \frac{1}{n!} $$

跳跃表分析