BLOG

EXPLORATIONS IN SIMULATION, LEARNING, AND SYSTEMS.

Sep 3, 2024MACHINE LEARNING

混合模型和期望最大化 Mixture Models and the Expectation-Maximization Algorithm

解释混合模型、高斯混合模型与 EM 算法的 E 步骤和 M 步骤。

Machine LearningUnsupervised LearningMixture ModelsGMMEM Algorithm

约 9 分钟Read article

Aug 31, 2024MACHINE LEARNING

无监督层次聚类: 树状图 Unsupervised Hierarchical Clustering: Dendrogram

介绍凝聚层次聚类、分裂层次聚类、树状图以及常见距离度量。

Machine LearningUnsupervised LearningHierarchical ClusteringDendrogramDistance Metrics

约 5 分钟Read article

Aug 27, 2024MACHINE LEARNING

k-均值聚类 k-Means Clustering

从 Voronoi 单元、簇内平方误差和 WCSS 理解 k-Means 聚类算法与收敛判定。

Machine LearningUnsupervised LearningClusteringk-MeansWCSS

约 9 分钟Read article

Aug 25, 2024MACHINE LEARNING

数据预处理与机器学习范式 Data Preprocessing and Machine Learning Paradigm

梳理特征工程、特征提取以及监督学习和无监督学习的基本范式。

Machine LearningData PreprocessingFeature EngineeringSupervised LearningUnsupervised Learning

约 7 分钟Read article

Aug 21, 2024MACHINE LEARNING

模型选择 Model Selection

整理交叉验证、最大似然估计、AIC 与 BIC 等模型选择方法。

Machine LearningModel SelectionCross ValidationInformation CriteriaMLE

约 10 分钟Read article

Aug 18, 2024MACHINE LEARNING

回归和线性系统 Regression and linear system

从过定系统、欠定系统和范数约束理解线性系统中的回归方法。

Machine LearningRegressionLinear SystemsLASSORidge Regression

约 7 分钟Read article

Aug 15, 2024MACHINE LEARNING

非线性回归和梯度下降 Nonlinear Regression and Gradient Descent

整理非线性回归的误差最小化问题，并通过二次函数例子推导梯度下降与步长选择。

Machine LearningNonlinear RegressionGradient DescentOptimizationAlternating Descent

约 9 分钟Read article

Aug 13, 2024MACHINE LEARNING

回归和拟合 Regression and Fitting

从优化问题的角度理解机器学习、曲线拟合、损失函数与正则化之间的关系。

Machine LearningRegressionCurve FittingOptimizationRegularization

约 4 分钟Read article

Aug 13, 2024MACHINE LEARNING

曲线拟合 Curve Fitting

介绍回归函数、曲线拟合与常见误差指标，包括最大误差、平均绝对误差和最小二乘误差。

Machine LearningRegressionCurve FittingError MetricsNorms

约 3 分钟Read article

Aug 13, 2024MACHINE LEARNING

Least Squares 最小二乘

从直线拟合推导最小二乘正规方程，并讨论指数拟合的线性化思路。

Machine LearningRegressionLeast SquaresLinearizationOptimization

约 7 分钟Read article