Introduction to Convolution and Deconvolution
卷积用于提取局部特征，通过滑动窗口加权求和降低维度或增强特征；反卷积（转置卷积）用于恢复空间信息，通过可训练的权重进行上采样以还原高维特征。
Mar 3, 2025
Introduction to Kullback-Leibler Divergence
KL 散度是用来度量两个概率分布相似度的指标，它作为经典损失函数被广泛地用于聚类分析与参数估计等机器学习任务中。
Feb 20, 2025
Gaussian Discriminant Analysis Versus Logistic Regression
这是我的概率论课程论文。Enjoy! ^_^
Dec 4, 2024
Introduction to Boosting Algorithm
Boosting 是一种可将弱学习器提升为强学习器的算法：通过多次迭代训练一系列弱学习器，并逐步调整样本权重，使得每个新的学习器更加关注前一轮错误的样本，从而提高模型的整体预测性能。
Dec 1, 2024
Introduction to Decision Tree & Random Forest
决策树是一种通过将数据集递归分割成子集来进行分类或回归的模型，而随机森林是由多个决策树组成的集成学习方法，通过投票或平均来提高模型的准确性和鲁棒性。
Nov 27, 2024