在目前没有足够做的经验或者说是机器学习素养的情况下来看这种文章无疑是一种折磨，因此过一遍概念就over惹，同时记录一下文献管理中的一些经验 01 计算学习理论计算学习理论希望回答 在什么样的条件下成功的学习是可能的 在什么条件下某个特定的学习算法可以保证成功运行 在可能近似正确（probably approximately correct，PAC）下，我们确定若干假设类别，判断它们能否从多项式

集成学习是通过构建并结合多个学习器来完成学习任务，有时候也被称为多分类系统（multi- classifier system）、基于委员会的学习（committee based learning）等等之类的，在其中主要面临基本学习器的选择和训练过程，我们希望学习器可以在相同的数据集上训练，但是得到的最终的弱学习器最好的是相互独立的，这样才能提高我们最高算法的准确程度。 集成学习成立的基础是：基学习

一个简单的小记录，之前一直使用的Endnote管理文献，但是由于Endnote是破解版，同时其浏览器extension并不好用，并且最重要的是并不能和notion使用，因此转向了Zotero+Notion来管理自己的文献，同时保证可以在浏览器中快速导入文章和在notion中使用笔记的方式来链接 其中下载地址： https://www.zotero.org/www.zotero.org/ mac推荐

[Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）](https://blog.tjdata.site/2022/03/19/Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）/) Andrew-Wu 基本理论01–贝叶斯学习（暨基本理论开篇）blog.tjdata.site/2022/03/19/Andrew-Wu%20

本文主要介绍在Centos7上的cplex安装，以及在python3.7和python3.8中的pythonAPI的调用，⚠️Cplex是一个单独的软件cplex studio、在python中的库为cplex，同时在此基础上封装的更面向对象的有docplex 注意 不同版本对cplex的要求，12.10官方支持python3.6和3.7，也可以通过修改版本验证文件来在python3.8使用！ 更

在机器学习看到一半的过程中，对于之前学习的广义线性模型、高斯判别分析、支持向量机、决策树、多层感知器进行阶段性的总结，并尝试使用过去课程中可能存在例子来进行展示，最后利用Kaggle的实验来进行展示 如有侵权，可以删除；如有错误，欢迎提出 0x01基本模型1.1 GLM（logistic regression、linear regression、softmax regression）Andrew

文本希望根据Django作为框架，前端利用Vue来实现个人博客网站的开发 作为一个外行人看专门的Django的书本会被一些基础知识所拖累，比如HTML中的一些基本概念，然而抛去细节，用自己的方式来完成一个比较难的（难度不会特别高，但是又会比官方教程学习）的多一些，这可能是本教程的意义在此 0x00 基础知识网站上是后端服务器生成视频、文字、图片、数字等等数据，通过HTTPS或者各种网络通信协议来传

非常喜欢《机器学习导论》中关于感知器的一句话：“神经网络的目的不是为了研究人脑的内部结构和运行机理，而仅仅是模仿来作为一个学习罢了”，通过这句话可以看出机器学习作为一门工程类的学科，本质目的还是为了寻找一种好的方法，在此过程中就要思考需要用什么样的标准来评价好坏？这是一个曾经观察高中物理、高中化学、高中生物中的实验科学，更进一步，我们更有着统计的知识来指导我们更近一步地正确设计实验。 0x01 引

之前《机器学习》选修课被大佬手撕决策树算法给震撼了，因为之前从来没有尝试过数学和代码的角度来看待算法，不过寒假静下来，可以看出作为基模型运用到很多递归、贪心中的思想，写出来发现难度并没有那么大！ 123456789101112131415161718192021222324252627282930313233343536373839404142434445464748495051525354555

Andrew Wu–番外参数方法和非参数方法blog.tjdata.site/2022/02/13/Andrew%20Wu–%E7%95%AA%E5%A4%96%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95%E5%92%8C%E9%9D%9E%E5%8F%82%E6%95%B0%E6%96%B9%E6%B3%95/ [An