神经网络参数优化器

• 待优化参数w
• 损失函数loss
• 学习率lr
• 每次迭代一个batch
• t表示当前迭代的总次数

图解9种统计抽样方法

本文介绍的是9种常见的统计抽样方法。

• 随机抽样
• 分层抽样
• 聚类抽样
• 系统抽样
• 多级抽样
• 简单抽样
• 自愿抽样
• 判断抽样
• 雪球抽样

学习开源11种降维算法

网上关于各种降维算法的资料参差不齐，同时大部分不提供源代码。这里有个 GitHub 项目整理了使用 Python 实现了 11 种经典的数据抽取（数据降维）算法，包括：PCA、LDA、MDS、LLE、TSNE 等，并附有相关资料、展示效果；非常适合机器学习初学者和刚刚入坑数据挖掘的小伙伴。

李宏毅深度学习-卷积神经网络CNN

本文记录的是台湾大学李宏毅老师对CNN卷积神经网络的讲解，图解非常易懂。涉及到的知识点：

• 卷积神经网络如何运用到图片分类问题
• 感受野 Receptive Field
• 步长Stride
• 填充Padding
• 参数共享share parameter
• （最大）池化MaxPooling
• CNN全过程

精选100个Pandas函数

精心整理100个pandas常用函数，建议收藏~

神经网络参数优化器

• 待优化参数w
• 损失函数loss
• 学习率lr
• 每次迭代一个batch
• t表示当前迭代的总次数

深度学习4大激活函数

如果不用激励函数（其实相当于激励函数是f(x) = x），在这种情况下你每一层输出实际上都是上层输入的线性函数。

这样就使得无论神经网络有多少层，输出都是输入的线性组合，与没有隐藏层效果相当，模型的表达力仍然不够。

我们决定引入非线性函数作为激励函数，这样深层神经网络才有意义（不再是输入的线性组合）。

吴恩达深度学习6-梯度下降

下面是梯度下降的公式：

吴恩达深度学习4-逻辑回归Logistic Regression

逻辑回归是一个用于监督学习中的算法，输出标签是0或者1时，就是二分类问题。

吴恩达深度学习3-二分类问题

本文讲解的使用逻辑回归来解决二分类问题：Binary Classification。