3019 (3)

1. 03-30 深度学习中优化方法
2. 03-30 PCA主成分分析
3. 03-30 LDA线性判别分析

2019 (34)

1. 05-03 一起学Hive系列文章总结
2. 04-22 论文解读列表
3. 04-22 2019-04-22-《Wide & Deep Learning for Recommender Systems》论文解读
4. 04-06 《计算广告第三部分》读书笔记
5. 03-30 逻辑回归模型
6. 03-30 贝叶斯分类
7. 03-30 Adversarial Attacks对抗样本
8. 03-30 word2vec模型
9. 03-30 SVM支持向量机
10. 03-30 DNN模型
11. 03-30 CNN模型
12. 03-29 《统计学习方法》附录c.拉格朗日对偶性
13. 03-29 《统计学习方法》附录b.牛顿法和拟牛顿法
14. 03-29 《统计学习方法》附录a.梯度下降法
15. 03-29 《统计学习方法》9.EM算法
16. 03-29 《统计学习方法》8.提升方法
17. 03-29 《统计学习方法》7.支持向量机
18. 03-29 《统计学习方法》6.逻辑回归和最大墒模型
19. 03-29 《统计学习方法》5.决策树模型
20. 03-29 《统计学习方法》4.朴素贝叶斯算法
21. 03-29 《统计学习方法》3.K近邻算法
22. 03-29 《统计学习方法》2.感知机
23. 03-29 《统计学习方法》1.概述
24. 03-29 《统计学习方法》12.统计学习方法总结
25. 03-29 《统计学习方法》11.条件随机场
26. 03-29 《统计学习方法》10.隐马尔可夫模型
27. 03-28 《统计学习方法》0.笔记介绍
28. 03-27 决策树模型
29. 03-24 王喆的机器学习笔记
30. 03-24 《计算广告第二部分》读书笔记
31. 03-24 《计算广告第一部分》读书笔记
32. 03-23 计算广告资料汇总
33. 03-23 计算广告资料汇总
34. 03-07 信息论与墒理论

2018 (1)

1. 09-06 一份简明的Markdown笔记与教程