11.2. 数学基础 11.2.1. 线性代数 11.2.1.1. 向量 11.2.1.2. 矩阵 11.2.1.3. 运算 11.2.1.4. 范数 11.2.1.5. 特征向量和特征值 11.2.2. 微分 11.2.2.1. 导数和微分 11.2.2.2. 泰勒展开 11.2.2.3. 偏导数 11.2.2.4. 梯度 11.2.2...

一、 原理 1.1 基本概念 1.2 生成 一、 原理 1.1 基本概念 决策树模型可以认为是if-then 规则的集合，也可以认为是定义在特征空间与类空间上的条件概率分布。 决策树将特征空间划分为互不相交的单元，在每个单元定义一个类的概率分布，这就构成了一个条件概率分布。 决策树的每一条路径对应于划分中的一个基本单元。 设某个...

3.4 softmax回归 3.4.1 分类问题 3.4.2 softmax回归模型 3.4.3 单样本分类的矢量计算表达式 3.4.4 小批量样本分类的矢量计算表达式 3.4.5 交叉熵损失函数 3.4.6 模型预测及评价 小结 3.4 softmax回归 前几节介绍的线性回归模型适用于输出为连续值的情景。在另一类情景中，模型输出可以...

3.4. softmax回归 3.4.1. 分类问题 3.4.2. softmax回归模型 3.4.2.1. softmax运算 3.4.3. 单样本分类的矢量计算表达式 3.4.4. 小批量样本分类的矢量计算表达式 3.4.5. 交叉熵损失函数 3.4.6. 模型预测及评价 3.4.7. 小结 3.4.8. 练习 3.4. sof...

9.1.3 编程案例：乒乓球比赛模拟 9.1.3 编程案例：乒乓球比赛模拟 众所周知，中国乒乓球项目的技术水平世界第一，以至于所有比赛的冠军几乎都由中国球员包办。为了增强乒乓球运动的吸引力，提高其他国家的人对这项运动的兴趣，国际乒联 想了很多办法来削弱中国球员的绝对优势，例如扩大乒乓球的直径、禁用某些种类的球拍、 改变赛制等等。在本节中，我们将编写程...

2.2 监督学习 II 分类：预测标签 对数几率回归：0 还是 1？ 我可以使用普通最小二乘嘛？ 数学原理是什么？ 使用对率回归模型的输出来做决策 对数几率回归的最小损失 支持向量机 好的！ 练习材料和扩展阅读 2.2a 对数几率回归 2.2b 深入 SVM 2.2 监督学习 II 原文：Machine Learning fo...

三、 最大熵马尔科夫模型MEMM 三、 最大熵马尔科夫模型MEMM HMM 存在两个基本假设： 观察值之间严格独立。 状态转移过程中，当前状态仅依赖于前一个状态（一阶马尔科夫模型）。 如果放松第一个基本假设，则得到最大熵马尔科夫模型MEMM 。 最大熵马尔科夫模型并不通过联合概率建模，而是学习条件概率 。 它刻画的是：在当前观察值...

数据分析概述 数据分析师的职责和技能栈 数据分析的流程 数据分析相关库 三大神器 其他相关库 安装和使用Anaconda conda命令 使用Notebook 安装和启动Notebook Notebook使用技巧 补充知识 描述型统计 推理性统计 数据分析概述 当今世界对信息技术的依赖程度在不断加深，每天都会有大量的数据产生，...

场景描述 注意事项 配置说明 示例代码 场景描述 用户在consumer端使用故障注入，可以设置发往指定微服务的请求的时延和错误及其触发概率。 注意事项 延迟注入请求的延迟时间统一为毫秒级别 配置说明 故障注入配置在microservice.yaml文件中，相关配置项见下表。要开启服务消费者端的故障注入，还需要在处理链中配置消费端故...

场景描述 注意事项 配置说明 示例代码 场景描述 用户在consumer端使用故障注入，可以设置发往指定微服务的请求的时延和错误及其触发概率。 注意事项 延迟注入请求的延迟时间统一为毫秒级别 配置说明 故障注入配置在microservice.yaml文件中，相关配置项见下表。要开启服务消费者端的故障注入，还需要在处理链中配置消费端故...