2019 年

07 月
       09 日 : 飘渺之旅的成功...
03 月
       03 日 : 推荐系统(一) : 基于矩阵分解的推荐系统
02 月
       28 日 : 基于SVM的图像识别实战
       27 日 : 《剑指offer》习题Python解法
       23 日 : queue.Queue与collections.deque
       22 日 : 尾递归优化
       22 日 : 算法导论学习笔记(十一) : 贪心算法
       13 日 : 遗传算法
       11 日 : 算法导论学习笔记(十) : 动态规划
       11 日 : 算法导论学习笔记(九) : 红黑树
       10 日 : 算法导论学习笔记(八) : 二叉搜索树
       09 日 : 算法导论学习笔记(七) : 散列表(哈希表)
       08 日 : 算法导论学习笔记(六) : 基本数据结构
       07 日 : 算法导论学习笔记(五) : 快速排序
       06 日 : 算法导论学习笔记(四) : 堆排序与优先队列
       04 日 : 算法导论学习笔记(三) : 分治策略与主定理
       03 日 : 算法导论学习笔记(二) : 渐近记号
       02 日 : 算法导论学习笔记(一) : 插入排序与并归排序
01 月
       29 日 : 一些Python语言独有的特性
       29 日 : Python的装饰器
       26 日 : Python生成器——yield语法
       26 日 : 迭代器的作用
       25 日 : 宇宙中有多少个原子?
       24 日 : 信息的度量
       22 日 : 高斯分布的采样
       22 日 : 机器学习中常见的采样方法
       19 日 : 使用条件随机场进行图像分割
       16 日 : 模拟退火算法
       11 日 : 动态规划算法
       08 日 : jieba分词的原理
       02 日 : LDA模型
       02 日 : PLSA模型
       01 日 : M-H采样实例
       01 日 : 为什么要用MCMC?
       01 日 : 使用Tampermonkey更改JupyterNotebook字体大小

2018 年

12 月
       28 日 : MCMC和Gibbs Sampling
       26 日 : 频率学派与贝叶斯学派
       24 日 : 梯度提升树(GBDT)
       23 日 : 文本表示模型:词袋模型,N-gram模型,主题模型,词嵌入
       21 日 : 指数加权平均
       18 日 : 数据关联性分析Apriori及FP-Growth
       16 日 : 奇异值分解(SVD)
       14 日 : 信息熵在新词发现中的运用
       12 日 : 从函数近似的角度看梯度下降,牛顿法及EM算法
       10 日 : EM算法实例
       09 日 : 极大似然估计的理解与应用
       08 日 : 拉格朗日对偶
       02 日 : Beam Search
11 月
       30 日 : 注意力模型
       27 日 : 常用Emojify
       26 日 : 单词嵌入与Word2Vec
       24 日 : LaTeX使用总结
       22 日 : 循环神经网络(RNN)
       20 日 : 风格迁移与人脸识别
       18 日 : 目标检测
       14 日 : 经典CNN结构
       13 日 : 卷积神经网络(CNN)
       05 日 : 几种加速梯度下降的方法
10 月
       26 日 : 朱利安日期
       25 日 : 柠檬市场
       25 日 : 幸存者偏差
       25 日 : 贷款利息计算
       23 日 : 条件随机场
       21 日 : 马尔科夫网
       21 日 : 贝叶斯网
       15 日 : 偏态数据转换为正态分布
       13 日 : 箱形图
       11 日 : 概率论知识点
       11 日 : 有向图 vs 无向图
       10 日 : 判别式模型 vs 生成式模型
       05 日 : 流形学习
       03 日 : MDS
09 月
       30 日 : K近邻算法
       28 日 : 层次聚类
       27 日 : 密度聚类
       26 日 : 绘制等高线
       20 日 : 集成学习
       14 日 : 使用循环代替递归
       14 日 : 线性辨别模型
       13 日 : 线性代数知识点
       07 日 : GraphViz绘图手册
       06 日 : 决策树
       05 日 : 强化学习
       04 日 : EM算法
08 月
       23 日 : MPC控制器
       22 日 : Twiddle最优参数搜索
       22 日 : PID控制器
       19 日 : 多元高斯分布
       17 日 : 推荐系统与协同过滤算法
       16 日 : 高斯混合模型
       12 日 : 主要成分分析(PCA)
       11 日 : K-Means算法
       10 日 : 偏斜类性能评估:PR曲线与RoC曲线
       03 日 : 神经网络
       01 日 : 对正则化的通俗理解
07 月
       26 日 : 特征选择
       24 日 : 高斯判别分析模型
       20 日 : 粒子滤波
       19 日 : 马尔可夫定位
       18 日 : 隐马尔可夫模型
       16 日 : 牛顿方法
       15 日 : 广义线性模型
       12 日 : 无损卡尔曼滤波器-UKF
       11 日 : 最大似然法与最小二乘法
       11 日 : 逻辑回归
       11 日 : 局部加权回归
       09 日 : 线性回归
       09 日 : 回顾微积分
       06 日 : 在Windows上运行Linux程序
       01 日 : 卡尔曼滤波器
06 月
       14 日 : 支持向量机(SVM)
       11 日 : MapReduce与函数式编程
       09 日 : Latex/MathJax/Katex数学公式手册
       09 日 : PHP的函数式编程
       07 日 : 朴素贝叶斯
       05 日 : 算法的复杂度
       03 日 : 搜索引擎优化(SEO)
       01 日 : 使用Python进行视频处理
       01 日 : 图片基础知识
       01 日 : 使用matplotlib绘制图形
05 月
       30 日 : 用Python玩大家来找茬
       24 日 : 使用模板匹配定位游戏中角色位置
       21 日 : 使用charles对移动设备抓包
       21 日 : 压力测试工具ApacheBench
       21 日 : 如何让python2和python3共存?用Anaconda
       21 日 : goaccess日志分析软件使用总结
       21 日 : windows下C++的编译环境安装
       21 日 : 内网穿透-ssh访问家里的电脑
       21 日 : python调试工具pdb和logging
       17 日 : 使用cv2.Sobel()函数求图片梯度
       17 日 : 图片的透视变换
       16 日 : np.where()
       16 日 : 使用cv2.flip()进行数据增强
       16 日 : cv2.resize()图片缩放
       15 日 : python对图片使用颜色遮罩
       15 日 : 边缘检测cv2.Canny()与霍夫变换cv2.HoughLinesP()
       15 日 : 使用cv2.GaussianBlur()做高斯模糊
       14 日 : np.random.normal()生成正态分布随机点
       14 日 : 使用cv2.addWeighted()合并图片
       14 日 : cv2.putText()在图片上打字
       14 日 : cv2.polylines()绘制多边形
       14 日 : cv2.rectangle()绘制矩形
       14 日 : cv2.line()绘制线段
       14 日 : cv2.fillConvexPoly()与cv2.fillPoly()填充多边形
       14 日 : np.flipud()将矩阵倒序
       14 日 : np.diag()对角线矩阵
       13 日 : np.transpose()转置矩阵
       12 日 : np.arange()
       12 日 : np.random.rand()与np.random.randn()
       12 日 : split() vsplit()分割矩阵
       12 日 : np.concatenate()合并矩阵
       12 日 : hstack() vstack() dstack()
       12 日 : np.stack()
       11 日 : np.polyfit()与np.poly1d()将点拟合成曲线
       11 日 : np.mgrid()

🎉🎉🎉🎉🎉🎉博客诞生啦🎉🎉🎉🎉🎉🎉❤️❤️❤️😍😍