程序员经验分享-hwhale

  • 什么是参数模型（LR）与非参数模型（SVM）

    什么是参数模型 LR 与非参数模型 SVM 在统计学中 参数模型通常假设总体 随机变量 服从某一个分布 该分布由一些参数确定 比如正太分布由均值和方差确定 在此基础上构建的模型称为参数模型 非参数模型对于总体的分布不做任何假设 只是知道总体
    机器学习面试

  • 机器学习岗位面试问题汇总 之 深度学习

    自己结合网络内容总结 欢迎指正欢迎补充 最新更新 20170624 版本2 增加22 28 1 模式识别 机器学习 深度学习的区别与联系 模式识别 过去 程序 机器做智能的事 决策树等 机器学习 热点领域 给数据 学习数据 深度学习 前言领
    机器学习面试 面试 机器学习 深度学习

  • SVM适合小数据量原因

    SVM本质上是凸优化问题 看一下原理就应该知道 如果增加的样本点只是无效约束 并不会影响其最后的结果 这也就是为什么SVM适合于小样本量数据集的原因 随样本量而使模型自身发生改变的 是统计推断 最大似然 MAP 再到贝叶斯 每个都涉及到样本
    机器学习面试

  • 为什么高斯核参数多

    看到知乎上一个问题的回答下有 RBF核 主要用于线性不可分的情形 参数多 分类结果非常依赖于参数 请问参数多主要体现在哪里呢 公式里面不就一个sigma平方吗 RBF核 主要用于线性不可分的情形 参数多 分类结果非常依赖于参数 这里的参数是
    机器学习面试