什么是核方法？ 往简单里说，核方法是将一个低维的线性不可分的数据映射到一个高维的空间、并期望映射后的数据在高维空间里是线性可分的。我们以异或数据集为例：在二维空间中、异或数据集是线性不可分的；但是通过

　　本章主要介绍连续型朴素贝叶斯—— GaussianNB 的实现。在有了实现离散型朴素贝叶斯的经验后，实现连续型朴素贝叶斯模型其实只是个触类旁通的活了。算法的叙述已经在这篇文章中进行过说明，下面就直接看

　　四个函数表达式（下文中的行动也可称为决策）：   函数一、状态-价值函数：   函数二、行动-价值函数： （虽然这里没有对下式进行展开，但是如果展开的话，就是上式除掉第一个求和符号和及π(a|s)）

　　函数名称：cnnff（） 输入参数：net，神经网络；x，训练数据矩阵； 输出参数：net，训练完成的卷积神经网络 主要功能：使用当前的神经网络对输入的向量进行预测 算法流程：1）将样本打乱，随机选择

　　函数名称：cnnbp（） 输入参数：net，呆训练的神经网络；y，训练样本的标签，即期望输出 输出参数：net，经过BP算法训练得到的神经网络 主要功能：通过BP算法训练神经网络参数 实现步骤：1）将

　　分级A隐含收益率详细分析 最近在研究分级基金，发现分级A的隐含收益率很有意思，所以做了一些拓展和研究，发现真是有学问在里面，今天把自己得研究分享给大家，说不定以后你也会用到。 下面的所有公式我都推导过

　　几个月前人工智能围棋程序AlphaGo大胜李世石九段，人工智能再一次成为舆论的焦点，就连“深度学习”这样一个专业的概念也被广泛地传播开来。事实上，AlphaGo的主体框架是一个深度增强学习模型。用一个

　　1 Zipf分布   Zipf分布介绍   用 X~Zipf(alpha,n) 表示随机变量X具有带参数alpha和n的Zipf分布。带有参数alpha和n的Zipf随机变量X是有 概率质量函数 在里

　　这一篇我们会把神经网络这个框架完善，这一篇结束后，一个能跑的、自由度相当高的神经网路就新鲜出炉了。Again，由于实现是比较重要的，所以我们先不管接口、只把功能弄出来。同时需要指出的是，我们会用到损失

　　由于神经网络听上去最厉害（？），所以打算先讲一讲这部分        封面图算是最终结果中 CNN 的一个比较简易的呈现；可能有些童鞋还不知道是什么意思，可能有些大神已经看出了一些端倪。总之，我个人的

　　首先值得探讨的就是使用以太币（以太坊的基础数字货币）来支付服务的过程。举个例子，在区块链上储存一个数字的需要1以太币的服务费，当一个用户想要存东西时，他会把想存的信息和存储这个信息的花费一起发送到一个

　　1. 时间序列模型 1.1 数学模型 随机变量序列{Yt:t=0,1,2,......}{Yt:t=0,1,2,......}称为一个时间序列模型。  t = 0, 1,2,3….  均值函数：  μ

　　在之前的描述中，我们通常把机器学习模型和训练算法当作黑箱子来处理。如果你实践过前几章的一些示例，你惊奇的发现你可以优化回归系统，改进数字图像的分类器，你甚至可以零基础搭建一个垃圾邮件的分类器，但是你却

　　作者： 水奈樾   人工智能爱好者 博客专栏：http://www.cnblogs.com/rucwxb/     神经网络是从生物领域自然的鬼斧神工中学习智慧的一种应用。人工神经网络（ANN）的发展

　　预测商品指数运行态势, 对于指数管理部门而言, 可以在一定层面上监测和引导商品指数的平稳运行, 降低市场风险, 从而促进商品指数的可投资性和标尺性，同时，为优化商品指数编制方案提供参考途径。未来对于指