十天内掌握线性代数-斯考特·杨的快速自学方法
全文目录 1 篇首语：挑战MIT计算机课程 2 看我怎么驾驭MIT计算机科学的课程（斯考特·杨） 2.1 为什么临时抱佛脚没用？ 2.2 你能加速理解吗？ 3 钻研：你学得更快 3.1 第一阶段：知识面覆盖 3.2 第二阶段：练习 3.3 第三阶段：自省 ...
原文：斯考特·杨（Scott Young）快速学习方法
上午在网上看到了斯考特 杨 Scott Young 的快速学习方法，感觉很受鼓舞。 现在已经读研究生了，可是发现自己自从上大学以来到现在，发现自己的学习方法有很大的问题。 我是个特别喜欢读书的人，在大学四年中，读了很多很多书籍，可是到现在，似乎都全部忘记了，书中的知识一点都没有记住，真感觉花费那么多时间，看了那么多的书，可是没有一本是自己记得牢的。我之前也一直在反思这个问题，是不是我哪里出了问题 ...
2015-01-21 11:40 0 6084 推荐指数：
相关推荐
像Scott H Young学习
从九月份开始就一直忙于找工作，除了找工作之外的任何事情全部都提不起兴趣来，天天的事情就是投简历，看招聘信息，看别人找工作的精力，与朋友讨论找工作的事情，一旦这些事情全部完成之后，心里也总是 ...
统计学习方法：罗杰斯特回归及Tensorflow入门
作者：桂。 时间：2017-04-21 21:11:23 链接：http://www.cnblogs.com/xingshansi/p/6743780.html 前言 看到最 ...
统计学习方法（四）——朴素贝叶斯法
类标记为，是和的联合概率分布，数据集 由独立同分布产生。 朴素贝叶斯法就是通过训练集来学习 ...
统计学习方法 4 贝叶斯判别
简述 利用观测到的x,利用先验概率和类条件概率，决定x属于哪一类 后验概率无法直接获得，因此我们需要找到方法来计算它，而解决方法就是引入贝叶斯公式。 贝叶斯理论 可以看出，贝叶斯公式是“由果溯因”的思想，当知道某件事的结果后，由结果推断这件事是由各个原因导致的概率 ...
统计学习方法学习笔记（一）--极大似然估计与贝叶斯估计原理及区别
极大似然估计提供了一种给定观察数据来评估模型参数的方法，即：“模型已定，参数未知”。即在频率学派中，参数固定了，预测 值也就固定了。最大后验概率是贝叶斯学派在完全贝叶斯不一定可行后采用的一种近似手。如果数据量足够大，最大后验概率和最大似 然估计趋向于一致，如果数据为0,最大后验 ...
《统计学习方法》——朴素贝叶斯代码实现
朴素贝叶斯分类原理 对于给定的训练数据集，首先基于特征条件独立假设学习输入/输出的联合概率分布；然后基于此模型，对给定的输入\(x\),利用贝叶斯定理求出后验概率最大的输出\(y\)。 特征独立性假设：在利用贝叶斯定理进行预测时，我们需要求解条件概率\(P(x|y_k)=P(x_1,x_2 ...
常见机器学习方法的优缺点及适用场景：朴素贝叶斯
朴素贝叶斯（Naive Bayes） 特点：基于贝叶斯定义和特征条件(属性)独立假设的分类器方法 优点：模型所需估计的参数很少，对缺失数据不太敏感，算法也比较简单，具有很好的模型的可解释性。 朴素贝叶斯模型与其他分类方法相比具有最小的理论误差率。 缺点：属性之间相互独立 ...