程序员的数学基础课学习心得

程序员的数学基础课学习心得,更多完整内容,一起来学习

程序员的数学基础课学习心得

PCA主成分分析(上):如何利用协方差矩阵来降维?    

PCA主成分分析(下):为什么要计算协方差矩阵的特征值和特征向量?    

概率和统计:编程为什么需要概率和统计?    

概率基础(上):一篇文章帮你理解随机变量、概率分布和期望值    

概率基础(下):联合概率、条件概率和贝叶斯法则,这些概率公式究竟能做什么?    

概率统计篇答疑和总结:为什么会有欠拟合和过拟合?    

归一化和标准化:各种特征如何综合才是最合理的?    

矩阵(上):如何使用矩阵操作进行PageRank计算?    

矩阵(下):如何使用矩阵操作进行协同过滤推荐?    

决策树:信息增益、增益比率和基尼指数的运用    

马尔科夫模型:从PageRank到语音识别,背后是什么模型在支撑?    

朴素贝叶斯:如何让计算机学会自动分类?    

奇异值分解:如何挖掘潜在的语义关系?    

熵、信息增益和卡方:如何寻找关键特征?    

统计意义(上):如何通过显著性检验,判断你的A-B测试结果是不是巧合?    

统计意义(下):如何通过显著性检验,判断你的A-B测试结果是不是巧合?    

文本分类:如何区分特定类型的新闻?    

文本检索:如何让计算机处理自然语言?    

文本聚类:如何过滤冗余的新闻?    

线性代数:线性代数到底都讲了些什么?    

线性代数篇答疑和总结:矩阵乘法的几何意义是什么?    

线性回归(上):如何使用高斯消元求解线性方程组?    

线性回归(下):如何使用最小二乘法进行效果验证?    

线性回归(中):如何使用最小二乘法进行直线拟合?    

向量空间模型:如何让计算机理解现实事物之间的关系?    

信息熵:如何通过几个问题,测出你对应的武侠人物?    

语言模型:如何使用链式法则和马尔科夫假设简化概率模型?    


首页
社科类
工科类
亲子类
心理情感类
目录
参与学习