发简信
IP属地：天津
-
教你步步为营掌握自定义View国内自定义View的文章汗牛充栋，但是，即使你全部看完它们也未必能掌握这一知识点（实际上，我就几乎看完了所有的国内文章）。为什么？一言以蔽之，你...
-
xgboost的原理没你想像的那么难xgboost 已然火爆机器学习圈，相信不少朋友都使用过。要想彻底掌握xgboost，就必须搞懂其内部的模型原理。这样才能将各个参数对应到模型内...
-
如何感性地理解EM算法？
如果使用基于最大似然估计的模型，模型中存在隐变量，就要用EM算法做参数估计。个人认为，理解EM算法背后的idea，远比看懂它的数学推导重要。id...
-
这几个问题答不对，就别说精通TCP
网络协议那么多，为什么面试喜欢问TCP？原因无外乎两个：1、TCP协议直接与进程打交道，写网络程序要用；2、TCP协议设计十分精巧，在一个不可靠...
-
机器学习必须熟悉的算法之word2vector（一）word2vector已经成为NLP领域的基石算法。作为一名AI 从业者，如果不能主动去熟悉该算法，应该感到脸红。本文是一篇翻译的文章，原文链接...
-
机器学习面试之归一化与标准化
在机器学习的面试中，数据是否需要归一化和标准化是个常见问题。之所以常见，是因为它有很多暗坑，每个暗坑都可以考察应聘者机器学习基础是否扎实。 1、...
-
机器学习面试之有必要手推SVM吗（1）？1 单刀直入，先回答有必要吗？ 最近和许多朋友交流，发现当前机器学习应聘时，手推SVM这道题已经越来越像快速排序一样，成为必点菜了。 那么，手推...
-
机器学习面试之最大熵模型最大熵模型属于运用最大熵原理的多分类模型，这个模型在面试中经常会与逻辑回归一起问，比如，为什么说二者是类似的？要解答这个问题，需要对两个模型的原...
-
机器学习面试之各种混乱的熵请听题:什么是熵？什么是交叉熵？什么是联合熵？什么是条件熵？什么是相对熵？它们的联系与区别是什么？ 如果你感到回答这些问题有些吃力，对这些概念似...