机器学习笔记6——【支持向量机1】支持向量机的原理与推导
最大间隔分离超平面,硬间隔与软间隔,松弛因子,线性和非线性支持向量机的原理与推导,合页损失函数,核函数,对偶问题与KKT条件,核函数戏法。
深度学习笔记1——神经网络的搭建与简单应用
搭建神经网络的tensorflow-gpu环境遇到的各种问题,比如Duplicate registrations for type 'optimizer'、No module named 'tensorflow.keras'、tensorflow打开不了gpu、CUDA,cuDNN,tensorflow-gpu版本不搭配等；在搭建好环境后，使用tensorflow完成第一个简单的神经网络案例。
机器学习笔记5——过拟合与正则化
过拟合的解决方法之一，正则化。含代码和示例。
机器学习笔记4——逻辑回归
逻辑回归原理与推导,sigmoid函数,对数损失函数,决策边界;代码实现。案例分析已经实现(含数据集和代码),F1-Score评估标准
机器学习笔记3——多项式回归
多项式回归虽然不再用直线拟合，但也是线性回归的一种，可以转化为多元线性回归，利用多元线性回归的函数解决。所以请确保熟悉多元线性回归相关知识点。本文含多项式示例和代码。
机器学习笔记2——多元线性回归
多元线性回归分析的原理与实现以及多元线性回归的具体应用。在最后补充sklearn中的多元线性回归。
机器学习笔记1——一元线性回归
一元线性回归、代价函数、梯度下降算法、样例（含数据）及代码
PageHelper返回给前端的数据示例以及参数说明
Mybatis分页插件PageHelper返回给前端的数据示例以及参数说明