2025-01-29

Geeker_LStar一名高一学生热爱计算机和数学我们一起加油~

⭐(●’◡’●)

What这个专栏是什么Why为什么我会写这个专栏How如何使用这个专栏Passion

All

2025.01.29恰好是一周年也恰好是专栏第一次完结的时间。

“抽象”

专栏中每一篇文章我都写得很认真每一篇的思路链条都经过了一次次地修改和完善。

除了对算法和公式的讲解我也会加入自己在学习这个算法的时候遇到的问题以及我更多的思考。

motivation

往后的文章主要是高一上学期写的相对来讲会更专业一些~后面也会进行一些打磨

\end

所以我想写一点对初学者对很多和我一样的初学者友好的东西说得再直白点就是让人能看懂的东西。

包括但不限于轻松的语言风格丰富具体的例子包含详细解释的数学推导等等。

这个想法在当时可以说是一种冲动这种冲动大约持续了一个月随后则成为了一种习惯——在后来的十一个月当中。

That’s

这个词为什么这么熟悉——这个专栏应该怎么看以什么样的顺序看每一篇文章有没有具体需要注意的点

How如何使用这个专栏

首先在深入学习每一个算法之前你需要对机器学习的一些基础知识有一个大致的了解。

“机器学习概述”

不过其实虽然现在还没写好但是写过的一些内容也涵盖了机器学习的基础知识如下啦~

12.

同时还可以简单了解一下熵的概念有助于更好地理解后面具体算法中的内容

22.

okay把这些看完之后你对机器学习应该已经有了一个不错的了解接下来我们可以进入具体算法的研究了…

先从监督学习开始吧

接下来可以看一看朴素贝叶斯核心公式只有一个相对来讲是比较简单的

从概率到朴素贝叶斯算法一篇带你看明白

然后我们来看一个非常经典的分类模型也是我学的第一个模型——支持向量机

jump

呀接下来我们进入树模型的部分树模型是机器学习中很重要的组成部分。

first

决策树之后就是绕不开的集成学习。

这里可以先了解一下偏差—方差分解理解集成学习出现的原因

24.

概率图模型可以分为贝叶斯网络和马尔可夫网络两个部分去学建议先从贝叶斯网络开始

27.

我们可以先了解一下几种经典的聚类算法聚类比较简单不涉及太多的数学

19.

降维算法的数学普遍比较复杂如果觉得太难可以适当跳过一些数学推导

16.