最优化理论基础：矩阵求导
向量和矩阵求导在机器学习、图像处理、最优化等领域的公式推导中经常用到。比如多元线性回归中损失函数是一个标量，每个输入都有多个属性，计算权重权重时就需要用到标量对向量的求导。此外，在计算神经网络梯度时，相比于求解参数矩阵里的单独每一个元素的梯度，使用向量和矩阵求导能极大增加效率。
最新文章
高级数据结构：红黑树的拆解与实现
红黑树的定义通俗理解，红黑树是一棵添加了额外限制的二叉排序树。它的本质还是一棵二叉排序树，只是添加了一些其他的规则，以使得它可以做到自平衡。
MFC控件的使用：List Control和Tab Control
记录 MFC 中 List Control 与 Tab Control 的初始化、事件处理和常用模板代码，方便后续项目复用。
机器学习基础：背景介绍与pandas对象的创建
面向机器学习前期数据准备，介绍 Pandas 的 Series、DataFrame 与基本创建方式，帮助把原始数据整理成后续建模可以直接使用的表格结构。
机器学习基础：对NumPy数组进行数据处理操作
整理 NumPy 数组的数据处理操作，包括索引切片、过滤、统计聚合、组合与结果保存，适合作为数据预处理阶段的速查笔记。