- >4.3 逻辑回归调参指南
- >5.1 KL距离和MSE的区别
- >5.2 KL距离背后的统计学原理
- >5.3 KL距离和交叉熵
- >6.1 最大似然估计和KL损失函数
- >6.2.逻辑回归和正态分布
- >7. 1 L1正则和L2正则的异同
- >7.2 正则化和过拟合
- >7.3 从概率的角度理解正则化
- >7.4 sklearn如何进行正则化的实现
- >1.1 聚类的目的和意义
- >1.2 Kmeans模型详解以及参数学习
- >1.3 使用sklearn进行Kmeans模型实战
- >1.4 Kmeans模型的缺点
- >1.5 Kmeans各类改进版本
- >1.6 EM算法详解
- >1.7 Kmeans算法和逻辑回归
- >2.1 LDA模型的原理
- >2.2 LDA模型的求解
- >2.3 LDA主题模型实战:推荐系统中的应用


