inmost's blog

集成学习通过构建并结合多个学习器来完成学习任务，常可获得比单一学习器显著优越的泛化性能。本章讨论Boosting、Bagging两大流派、随机森林、结合策略与多样性度量。

贝叶斯分类器是一类基于贝叶斯定理的概率分类方法。它从概率视角出发，通过先验知识和观测数据推断后验概率，进而做出最优分类决策。本章从贝叶斯决策论出发，逐步引出朴素贝叶斯、半朴素贝叶斯、贝叶斯网和EM算法。

支持向量机（Support Vector Machine, SVM）是一种基于统计学习理论的监督学习算法，主要用于二分类问题（也可扩展至多分类和回归）。它的核心优化目标是在特征空间中寻找一个能够将不同类别样本完全分开，且间隔（Margin）最大的超平面。

神经网络相关学习笔记

本章重点讨论线性模型在机器学习中的运用

训练过程中，我们必然需要相应的指标来表明当前模型质量以继续提高模型质量。

聚类是无监督学习的核心任务，目标是将数据集中的样本划分为若干个通常不相交的子集（簇），使得同一簇内样本尽可能相似、不同簇间样本尽可能不同。本章从距离度量出发，逐步讨论原型聚类、密度聚类和层次聚类三大范式。

Web与API调用相关学习笔记

在于队友的聊天中偶然发现很多人并不了解OI赛制是什么，故有此文。

浪潮完赛，杜神太强了最后20min成功冲出全场唯二的D题（%%%),最后rank8极限一等奖，这次总归没有遗憾离场。