Chrispher
关于
留言板
时间轴
笔记专题
PRML
实践练习
Ng-机器学习
课程图谱
pySpark 公开课
人文读物
2014年课外阅读——罗辑思维
2014年07月16日
罗辑思维
软件配置
我的juyter notebook设置
2017年02月19日
juyter notebook设置
My sublime text2 setting
2014年08月12日
windows下sublime text2的一些设置和调整
机器学习
basic GAN
2017年03月25日
简单的介绍一下GAN的基本原理和阅读最原始的论文.
t-SNE完整笔记
2017年02月05日
t-distributed stochastic neighbor embedding (t-SNE)模型介绍。
Google_Wide&Deep Learning
2016年08月21日
Google_Wide&Deep Learning
随机梯度下降综述
2016年07月04日
随机梯度下降算法概述
FM模型
2016年05月24日
FM模型
FTRL-大规模LR模型
2016年05月11日
FTRL-大规模LR模型。
CNN基本公式分析
2016年03月23日
cnn 推导和代码。
用于降维可视化的t-SNE
2015年08月06日
t-distributed stochastic neighbor embedding (t-SNE)模型介绍。
caffe的应用
2015年08月05日
关于深度学习框架caffe的使用的一些技巧。
kaggle比赛otto group的感想
2015年08月03日
kaggle比赛otto group的感想
prml-last
2015年07月20日
关于prml的一些说明
ch6-高斯过程
2015年05月26日
介绍了高斯过程
ch6-核方法
2015年05月02日
核方法介绍与基于样本学习的模型
Clustering-Finding Related Posts
2015年03月11日
基于python下一些数据科学包构建了一个分类器并进行调参。
ch5-不同类型神经网络
2015年03月08日
不同类型的神经网络,包括卷积神经网络
ch5-神经网络基础
2015年02月17日
神经网络基础知识和使用BP算法来训练模型以及训练中的一些技巧
Classify with Real-world Examples
2015年02月04日
基于python下一些数据科学包构建了一个分类器并进行调参。
ROC曲线
2015年02月03日
以二元分类为例,分析混淆矩阵和ROC曲线以及绘制ROC曲线的代码
ch4-线性分类之贝叶斯logistic回归
2015年01月29日
概述一下线性分类相关的一些知识, 本文主要是贝叶斯Losgistic回归等,使用Laplace平滑方法
ch4-线性分类之生成模型
2015年01月18日
概述一下线性分类相关的一些知识, 本文主要是生成模型,包括Losgistic回归等
ch4-线性分类之判别模型
2015年01月14日
概述一下线性分类相关的一些知识, 本文主要是判别函数法,包括LDA、感知器等方法
ch3-线性回归模型
2014年12月22日
概述一下线性回归相关的知识,包括了一些非线性变化,比如基函数等等。分别使用最小二乘法和贝叶斯框架进行分析
ch2-概率分布之非参估计
2014年12月14日
介绍指数族分布,以及使用K近邻、核密度方法进行非参数估计
ch2-概率分布及参数估计
2014年12月11日
介绍机器学习概率分布的相关知识,包括伯努利分布、多项分布、狄利克雷分布、高斯分布、共轭分布等等。以及使用频率学派和贝叶斯学派的方法进行参数估计。
各大语言下的机器学习小汇总
2014年09月02日
R、python、matlab、Julia、Ruby等语音下的机器学习库资料汇总。
Dropout for deep learning
2014年08月14日
使用dropout来阻止深度神经网络模型过拟合,并介绍了一些trick。
论文笔记
Dropout for deep learning
2014年08月14日
使用dropout来阻止深度神经网络模型过拟合,并介绍了一些trick。
统计学
Approximate Bayesian Computation and the Socks of Karl Broman
2014年10月31日
使用近似贝叶斯计算进行参数估计
贝叶斯估计
2014年10月30日
介绍了贝叶斯估计方法,以及如何使用贝叶斯估计来解决一些实际问题。
统计推断概述
2014年09月15日
概述一下统计推断,涉及统计推断中的一些常用方法,包括置信区间、假设检验等
应用线性回归分析
2014年08月15日
简述线性回归问题,目的在厘清回归问题中涉及的基本假设、检验方法等,除了必要的公式和计算,着重于如何做好回归分析
资源合集
mimno给的机器学习建议
2017年11月19日
mimno的机器学习建议
free-data-science-books
2014年10月12日
一些关于数据科学的书籍
各大语言下的机器学习小汇总
2014年09月02日
R、python、matlab、Julia、Ruby等语音下的机器学习库资料汇总。
数据科学
mimno给的机器学习建议
2017年11月19日
mimno的机器学习建议
数据科学方面一些博客和资源分享
2015年05月09日
数据科学方面一些博客和资源分享
数据挖掘9大定律
2015年02月02日
数据挖掘上的九大定律,分布是目标律、知识律、准备律、没有免费午餐、大卫律、洞察律、预测律、价值律、变化律
数据科学中需要注意的习惯
2014年12月09日
数据科学里的一些习惯,主要是注重业务、多读人文、多沟通、多探索,不要盲目自信
free-data-science-books
2014年10月12日
一些关于数据科学的书籍
Structure of a Data Analysis
2014年09月19日
介绍了数据分析的基本流程和文件存放方法等等
深度学习
贾扬清分享_深度学习框架caffe
2015年06月12日
关于深度学习框架caffe的介绍和讨论
Ubuntu14.04下cuda6.5+caffe编译
2015年01月05日
在Ubuntu14.04环境下,搭建并编译基于caffe的深度学习环境。
VS2010环境下编译cuda-convnet(Win7_64位)
2014年11月25日
在windows 64位环境下,搭建并编译基于convnet的深度学习环境。
Ask Me Anything_Yoshua Bengio
2014年09月23日
介绍了Yoshua Bengio教授在深度学习和数据科学领域的一些问答和认知。
Reading lists for new LISA students
2014年09月22日
Benjio给LISA学生的阅读书单,主要涉及机器学习、深度学习等等内容
阅读书单
Deep learning Reading List
2014年12月31日
J Mohamed Zahoor的深度学习阅读书单
Reading lists for new LISA students
2014年09月22日
Benjio给LISA学生的阅读书单,主要涉及机器学习、深度学习等等内容
学习观点
贾扬清分享_深度学习框架caffe
2015年06月12日
关于深度学习框架caffe的介绍和讨论
数据科学中需要注意的习惯
2014年12月09日
数据科学里的一些习惯,主要是注重业务、多读人文、多沟通、多探索,不要盲目自信
概率图模型(PGM)综述-林达华博士访谈
2014年11月26日
林达华博士对PGM理论做的综述,高屋建瓴的总结了PGM的主要分支和发展趋势
如何学习数据科学
2014年10月22日
个人对如何学习数据科学的一些个人认知,附录部分参考了网上资源
Ask Me Anything_Yoshua Bengio
2014年09月23日
介绍了Yoshua Bengio教授在深度学习和数据科学领域的一些问答和认知。
python
Python 有意思的几个snippets
2017年11月20日
snippets
matplotlib之个人常用绘图
2014年12月02日
Python下的绘图包matplotlib的使用
如何成为Python高手
2014年09月24日
从函数式编程、性能、测试、编码规范四个方面介绍如何成为python高手
特征工程
Clustering-Finding Related Posts
2015年03月11日
基于python下一些数据科学包构建了一个分类器并进行调参。
Classify with Real-world Examples
2015年02月04日
基于python下一些数据科学包构建了一个分类器并进行调参。
Feature hashing
2014年10月28日
hash特征是一种快速的且很节省空间的特征向量化的方法
Discover Feature Engineering
2014年09月26日
介绍了建模过程中的一些特征处理方法和技巧
数据分析
The_Analytics_Edge_笔记四篇
2015年03月26日
The Analytics Edge课程下的基础数据分析入门、线性回归分析入门、线性回归分析入门、文本分析入门。
Approximate Bayesian Computation and the Socks of Karl Broman
2014年10月31日
使用近似贝叶斯计算进行参数估计
Discover Feature Engineering
2014年09月26日
介绍了建模过程中的一些特征处理方法和技巧
集成学习
Ensemble learning 概述
2014年11月02日
Ensemble Learning(集成学习)是一种将多种学习算法组合在一起以取得更好表现的一种方法。主要是指有限的模型相互组合,而且可以有很多不同的结构。
环境搭建
caffe深度学习网络结构可视化
2016年01月10日
caffe深度学习网络结构可视化
caffe的应用
2015年08月05日
关于深度学习框架caffe的使用的一些技巧。
深度学习框架caffe
2015年08月03日
关于深度学习框架caffe的使用文档。
Ubuntu14.04下cuda6.5+caffe编译
2015年01月05日
在Ubuntu14.04环境下,搭建并编译基于caffe的深度学习环境。
使用Github搭建个人博客
2014年11月28日
使用github的page功能和jekyll搭建个人博客
VS2010环境下编译cuda-convnet(Win7_64位)
2014年11月25日
在windows 64位环境下,搭建并编译基于convnet的深度学习环境。
PGM
概率图模型(PGM)综述-林达华博士访谈
2014年11月26日
林达华博士对PGM理论做的综述,高屋建瓴的总结了PGM的主要分支和发展趋势
py算法
ROC曲线
2015年02月03日
以二元分类为例,分析混淆矩阵和ROC曲线以及绘制ROC曲线的代码
BMLSP
Clustering-Finding Related Posts
2015年03月11日
基于python下一些数据科学包构建了一个分类器并进行调参。
Classify with Real-world Examples
2015年02月04日
基于python下一些数据科学包构建了一个分类器并进行调参。
小说
2015年课外阅读——魔戒三部曲
2015年02月28日
魔戒三部曲
个人观点
很快就要没法评论了
2017年05月02日
很快就要没法评论了
连接2016与2017年
2017年02月04日
总结与展望
博客更新
2016年03月19日
机器学习瓶颈
个人学习瓶颈和下一步
2015年10月20日
机器学习瓶颈
关于数据科学不易触及的真相
2015年05月05日
关于数据科学不易触及的真相
最近博客的说明
2015年04月11日
关于个人知识管理与最近博客说明
caffe
caffe深度学习网络结构可视化
2016年01月10日
caffe深度学习网络结构可视化
深度学习框架caffe
2015年08月03日
关于深度学习框架caffe的使用文档。
贾扬清分享_深度学习框架caffe
2015年06月12日
关于深度学习框架caffe的介绍和讨论
pytorch
pytorch初步
2017年03月03日
pytorch 基本认识和入门
标签云
人文读物 1
软件配置 2
机器学习 26
论文笔记 1
统计学 4
资源合集 3
数据科学 6
深度学习 5
阅读书单 2
学习观点 5
python 3
特征工程 4
数据分析 3
集成学习 1
环境搭建 6
PGM 1
py算法 1
BMLSP 2
小说 1
个人观点 6
caffe 3
pytorch 1