BAT机器学习面试1000题系列1前言1BAT机器学习面试1000题系列21归一化为什么能提高梯度下降法求解最优解的速度？222归一化有可能提高精度223归一化的类型231）线性归一化232）标准差标准化233）非线性归一化2335.什么是熵。
机器学习ML基础易27熵的引入273.1无偏原则2956.什么是卷积。
深度学习DL基础易38池化，简言之，即取区域平均或最大，如下图所示（图引自cs231n）40随机梯度下降46批量梯度下降47随机梯度下降48具体步骤：50引言721.深度有监督学习在计算机视觉领域的进展731.1图像分类（ImageClassification）731.2图像检测（ImageDection）731.3图像分割（SemanticSegmentation）741.4图像标注–看图说话（ImageCaptioning）751.5图像生成–文字转图像（ImageGenerator）762.强化学习（ReinforcementLearning）773深度无监督学习（DeepUnsupervisedLearning）–预测学习783.1条件生成对抗网络（ConditionalGenerativeAdversarialNets，CGAN）793.2视频预测824总结845参考文献84一、从单层网络谈起96二、经典的RNN结构（NvsN）97三、NVS1100四、1VSN100五、NvsM102RecurrentNeuralNetworks105长期依赖（Long-TermDependencies）问题106LSTM网络106LSTM的核心思想107逐步理解LSTM108LSTM的变体109结论110196.L1与L2范数。
机器学习ML基础易163218.梯度下降法的神经网络容易收敛到局部最优，为什么应用广泛？深度学习DL基础中178@李振华，https://www.zhihu.com/question/68109802/answer/262143638179219.请比较下EM算法、HMM、CRF。
机器学习ML模型中179223.Boosting和Bagging181224.逻辑回归相关问题182225.用贝叶斯机率说明Dropout的原理183227.什么是共线性,跟过拟合有什么关联?184共线性：多变量线性回归中，变量之间由于存在高度相关关系而使回归估计不准确。
184共线性会造成冗余，导致过拟合。
184解决方法：排除变量的相关性／加入权重正则。
184勘误记216后记219

EM算法也就是期望最大化算法，是一种无指导的学习算法。
ThislittlesoftwareistherealizationofEMalgorithmintheapplicationoftossiingthecoin,whichisdescribedinthepaperofMichaelCollinsin1997.下载包中包含：源代码、可执行程序、关于EM算法的paper

该ppt详细阐述了混合高斯背景建模的原理及公式推导，其中涉及EM算法

这是标准EM算法的MATLAB源程序,其中E步用MONTECARLO实现.

西瓜书学习笔记，用Xmind做的记录，里面包括线性模型、神经网络、决策树、SVM、贝叶斯、EM、聚类、降维、半监督、强化等

用Java编写的图形用户界面通讯录packagemyaddressbody;importjava.awt.event.ActionEvent;importjava.awt.event.ActionListener;importjava.sql.Connection;importjava.sql.Date;importjava.sql.DriverManager;importjava.sql.ResultSet;importjava.sql.Statement;importjavax.swing.JButton;publicclassDemonstrationacctionimplementsActionListener{ publicvoidactionPerformed(ActionEvente){ if(((JButton)e.getSource()).getText().equals("显示查询结果")){ Stringdburl="jdbc:odbc:driver={MicrosoftAccessDriver(*.mdb)};DBQ=main.mdb"; Stringsql; Connectioncon; Statementstmt; Stringnm,sx,mp,ph,em,ca,ha,nb,gp,lbMQ,all; booleanbdr; Datebd; try{ Class.forName("sun.jdbc.odbc.JdbcOdbcDriver"); }catch(java.lang.ClassNotFoundExceptione2){ System.err.print("ClassNotFoundException:"); System.err.println(e2.getMessage()); } try{ con=DriverManager.getConnection(dburl,"",""); stmt=con.createStatement(); sql="SELECT*FROMaddress"; ResultSetws=stmt.executeQuery(sql); while(ws.next()){ nm=ws.getString(1); sx=ws.getString(2); bd=ws.getDate(3); mp=ws.getString(4); ph=ws.getString(5); ca=ws.getString(6); em=ws.getString(7); ha=ws.getString(8); gp=ws.getString(9); nb=ws.getString(10); lbMQ=ws.getString(11); all="姓名:"+nm+"性别:"+sx+"生日:"+bd +"移动电话:"+mp+"固定电话:"+ph+"MSN/QQ:" +lbMQ+"公司地址:"+ca+"EMail:"+em +"家庭地址:"+ha+"组别"+gp+"备注:"+nb +"\n"; Demonstrationaframe.lbdem.append(all); } stmt.close(); con.close(); }catch(Exceptionex) { System.out.println("Exception:"+ex.getMessage()); } } if(((JButton)e.getSource()).getText().equals("退出全部查询")){ Demonstrationaframe.lbdem.setText(""); Demonstrationaframe.demFrame.setVisible(false); } }}

安装oracle64位版时，出现“由于以下错误，EnterpriseManager配置失败–启动DatabaseControl时出错”无法启动em的解决方法

高斯混合模型（EM算法）Matlab代码,并附有简单实例测试估计效果

em-plantsimulationg图形资料库,方便编程时直接调用

这个算法非常容易掌握，比较好理解，用k均值聚类实现随机n个数分类到k类中。
k和n是可变的。

在日常工作中，钉钉打卡成了我生活中不可或缺的一部分。然而，有时候这个看似简单的任务却给我带来了不少烦恼。 每天早晚，我总是得牢记打开钉钉应用，点击"工作台"，再找到"考勤打卡"进行签到。有时候因为工作忙碌，会忘记打卡，导致考勤异常，影响当月的工作评价。而且，由于我使用的是苹果手机，有时候系统更新后，钉钉的某些功能会出现异常，使得打卡变得更加麻烦。 另外，我的家人使用的是安卓手机，他们也经常抱怨钉钉打卡的繁琐。尤其是对于那些不太熟悉手机操作的长辈来说，每次打卡都是一次挑战。他们总是担心自己会操作失误，导致打卡失败。 为了解决这些烦恼，我开始思考是否可以通过编写一个全自动化脚本来实现钉钉打卡。经过一段时间的摸索和学习，我终于成功编写出了一个适用于苹果和安卓系统的钉钉打卡脚本。