如何理解线性判别分类器（LDA）？

如何理解机器学习中的“偏差”和“方差”？

如何理解判别模型和生成模型？

如何理解梯度下降法？

梯度下降法是用来计算函数最小值的，它的思路很简单，就是模拟一个小球滚到谷底的过程。

为什么支持向量机会有对偶算法？

一句话答案，为了计算决策边界更简单。

如何理解线性回归？

感知机的暴力实现

什么是机器学习？

明天太阳一定会升起吗？兼谈拉普拉斯平滑

如何通俗地理解信息增益？

如何通俗地理解熵？

如何理解主元分析（PCA）？

主元分析的目的是降低数据的维度。

如何理解拉格朗日乘子法和KKT条件？

如何理解拉格朗日乘子法？

如何理解最小二乘法？

最小平方法是十九世纪统计学的主题曲。 从许多方面来看, 它之于统计学就相当于十八世纪的微积分之于数学。

从拉格朗日插值法到范德蒙行列式

和牛顿插值法的结果一样，思路却不一样。

如何通俗易懂地讲解牛顿迭代法？

高次方程没有通解，可以依靠牛顿迭代法来求解。

从牛顿插值法到泰勒公式

牛顿插值法是泰勒公式的源头。

如何通俗地理解卷积？

从数学上看，卷积如同加减，就是一种算法。