说一说核方法（二）——数学角度简介（掉粉文）

https://sakigami-yang.me/2017/08/13/about-kernel-02/ 2021-07-21T12:39:59.772Z 说一说核方法（二）——数学角度简介（掉粉文） 2017-08-13T09:42:38.000Z Kernel RKHS Functional analysis https://sakigami-yang.me/2017/08/10/thinking-from-softmax-02/ 2021-07-21T12:39:17.075Z 由 Softmax 想到的（二）—— Logistic 回归的 Loss 函数为什么长成那个样子？ 2017-08-10T14:18:09.000Z Convex optimization Logistic Softmax Gradient Subgradient https://sakigami-yang.me/2017/09/09/norm-regularization-02/ 2021-07-20T15:07:34.647Z 浅说范数规范化（二）—— 核范数 2017-09-09T01:42:10.000Z Norm regularization Convex optimization Matrix theory https://sakigami-yang.me/2021/07/20/baby-gc/ 2021-07-20T14:29:13.794Z 一个简单的垃圾回收代码 2021-07-20T13:37:01.000Z GC https://sakigami-yang.me/2017/08/11/thinking-from-softmax-03/ 2021-07-19T13:03:31.699Z 由 Softmax 想到的（三）—— 从 Sigmoid 到 ReLU，一些常见的激活函数 2017-08-11T11:40:01.000Z Deep learning Activation function https://sakigami-yang.me/2017/12/27/rating-model-considering-user-count/ 2021-07-19T13:03:31.698Z 考虑评分人数的用户评分模型 2017-12-27T12:57:14.000Z Rating https://sakigami-yang.me/2017/08/10/thinking-from-softmax-01/ 2021-07-19T13:03:31.698Z 由 Softmax 想到的（一）——广义线性模型 2017-08-10T13:12:46.000Z Generalized Linear Model Exponential family distribution Logistic Softmax https://sakigami-yang.me/2017/10/12/statistical-formulars-for-programmers/ 2021-07-19T13:03:31.698Z 给程序员们看的统计公式 2017-10-12T01:56:30.000Z Statistics https://sakigami-yang.me/2017/10/15/from-boost-to-Adaboost-to-GBT/ 2021-07-19T13:03:31.697Z 浅谈 boost、Adaboost 和提升树 2017-10-15T03:31:35.000Z Ensemble Boost GBDT/GBRT https://sakigami-yang.me/2017/08/07/init-blog/ 2021-07-19T13:03:31.697Z 【机器不太会学习】的第一篇博文 2017-08-07T14:28:18.000Z https://sakigami-yang.me/2017/10/23/kmeans-is-a-gmm/ 2021-07-19T13:03:31.697Z K-means 是 GMM 的一种特例 2017-10-23T15:23:56.000Z K-means GMM EM Algorithm https://sakigami-yang.me/2017/09/07/norm-regularization-01/ 2021-07-19T13:03:31.697Z 浅说范数规范化（一）—— L0 范数、L1 范数、L2 范数 2017-09-07T06:43:10.000Z Norm regularization Convex optimization https://sakigami-yang.me/2017/09/13/norm-regularization-appendix/ 2021-07-19T13:03:31.697Z 浅说范数规范化（附录） 2017-09-13T03:14:14.000Z Norm regularization Matrix theory https://sakigami-yang.me/2017/08/13/about-kernel-01/ 2021-07-19T13:03:31.696Z 说一说核方法（一）——核方法与核函数简介 2017-08-13T08:38:35.000Z Kernel SVM RKHS https://sakigami-yang.me/2020/01/12/alterable-vs-permanent/ 2021-07-19T13:03:31.696Z 变与不变 2020-01-12T02:35:19.000Z Tips https://sakigami-yang.me/2017/12/03/common-ground-of-mse-and-cee-in-nn/ 2021-07-19T13:03:31.696Z 神经网络中均方误差与交叉熵作为损失函数的共同点 2017-12-03T04:39:14.000Z Deep learning Loss function https://sakigami-yang.me/2017/08/08/compare-between-PCA-and-LFM/ 2021-07-19T13:03:31.696Z 浅谈 PCA 和 LFM 的异同 2017-08-08T12:25:59.000Z PCA LFM https://sakigami-yang.me/2018/02/04/discriminative-or-generative-model/ 2021-07-19T13:03:31.696Z 论判别模型和生成模型 2018-02-04T14:17:38.000Z Discriminative model Generative model https://sakigami-yang.me/2019/09/10/5-steps-for-asking-good-questions/ 2021-07-19T13:03:31.695Z 提出好问题的 5 个步骤 2019-09-10T12:05:04.000Z Tips https://sakigami-yang.me/2017/11/01/GAN-01/ 2021-07-19T13:03:31.695Z 生成对抗网络（一）—— GAN 原理简述及一个 TensorFlow 示例 2017-11-01T08:09:01.000Z Deep learning GAN https://sakigami-yang.me/2017/11/04/GAN-02/ 2021-07-19T13:03:31.695Z 生成对抗网络（二）—— Wasserstein GAN 简述及一个 TensorFlow 示例 2017-11-04T03:21:51.000Z Deep learning GAN https://sakigami-yang.me/2017/12/23/GD-Series/ 2021-07-19T13:03:31.695Z 梯度下降法家族 2017-12-23T11:51:16.000Z GD Momentum