文章摘要
本文介绍了Latent Dirichlet Allocation (LDA) 概率模型的建立过程，以及如何使用EM算法和变分推断求解该模型
文章摘要
本文以一个实际数据集为例介绍了机器学习中解决多输出-多分类（Multioutput-Multiclass）问题的方法
文章摘要
本文介绍了基于策略梯度的强化学习方法，并以此为基础介绍了通过蒙特卡洛实现策略梯度的REINFORCE算法
文章摘要
本文介绍了卡尔曼滤波（Kalman Filter）的数学定义和求解方法，并介绍了它的两种用于解决非线性问题的扩展形式：Extended Kalman Filter以及Unscented Kalman Filter
文章摘要
本文介绍了自编码器的搭建方法，以及如何使用自编码器压缩图像和对图像进行去噪
文章摘要
本文介绍了深度强化学习的一种经典算法：Deep Q-Learning，相比于经典的Q-learning算法，该算法可以处理连续的状态空间
文章摘要
本文介绍了两种在实际应用中经常使用的解决强化学习问题的方法（sample-based learning）：蒙特卡洛和时序差分
文章摘要
本文介绍了隐马尔科夫模型HMM的原理，如何使用EM算法训练HMM的参数，以及如何使用Viterbi算法预测观测序列的隐藏状态序列
文章摘要
数据准备是机器学习中一项非常重要的环节，本文主要对数据准备的基本流程进行梳理：数据清理、数据转换、特征选择
文章摘要
本文介绍了机器学习中两个经典的降维方法：主成分分析PCA (Principal Component Analysis)与线性判别分析LDA (Linear Discriminant Analysis)
文章摘要
本文介绍了如何使用统计检验诊断多元线性回归模型中的参数，以及如何诊断模型中的离群点、异方差性和共线性问题，同时还介绍了线性回归模型中几种常用的特征选择方法
文章摘要
本文第一部分介绍了关于强化学习问题的基本概念，例如MDP，Bellman方程，State(Action)-Value Function，最优策略等；本文第二部分介绍了求解强化学习问题的一类最基本的算法：动态规划 (例如策略迭代和价值迭代)