即 Back Propagation 。 如果你试着实现过神经网络,你就会发现进行梯度下降时手工计算神经网络的损失函数的形式导数是极为繁琐的。所以现在我们要来谈点求导的技术。
-
K-近邻与交叉验证
即 KNN 与 Cross Validation 。因为 KNN 比较简单就顺便把 Cross Validation 也写了。
-
线性分类器
即 Linear Classifier ,使用超平面来划分数据。
-
梯度下降法
即 Gradient Descent 。我们不是来讲最优化方法的,所以这里将不会提供收敛性和收敛速度的严格分析。
-
神经网络
即 Neural Networks 。
-
关于红黑树
鉴于我所可以找到的关于这个数据结构的资料都不够理想,我在这里做一个简要的总结。
-
ZXY's Law
鉴于这个东西实在是太 der 了,我还是写一下(
-
关于数论
从基础谈起。
-
常用 Hexo 指令
这里收录了一部分笔者常用的 Hexo 指令,完整的指令目录可以到 这里 查看。
-
通过 SSH 拉取 GitHub 上的代码
使用 SSH 协议替代 HTTPS 协议以获取更高的稳定性和更快的速度。