Mathjax 公式测试
升级了 theme-next 主题，开启了 Mathjax 功能，测试下书写公式，先来个看看 $E=mc^2$
行内公式
$表示行内公式
$E=mc^2$ 表示 $E=mc^2$
整行公式
$$ 表示整行公式
$$\sum_{i=1}^n a_i=0$$ 表示 $$\sum_{i=1}^n a_i=0$$
$$f(x_1,x_2,\ldots,x_n) = x_1^2 + x_2^2 + \cdots + x_n^2$$ 表示 $$f(x_1,x_2,\ldots,x_n) = x_1^2 + x_2^2 + \cdots + x_n^2$$
多行公式
多行公式中使用 \\ 换行。因为 markdown 中 \ 表示转义，所以需要改为 \\\\
1 | \begin{align} |
\begin{align}
f(x) &= (x+a)(x+b) \\
&= x^2 + (a+b)x + ab
\end{align}
其他
推荐一个在线公式编辑器网站 在线【LaTex】数学公式编辑器
参考
- 2018-07-08
前两节分别介绍了一个回归模型和一个分类模型，其中线性回归中假设概率分布为 $y|x;\theta \sim N(\mu, \sigma^2)$，二分类中假设概率分布为 $y|x;\theta \sim Bernoulli(\phi)$。这两种模型都是广义线性模型(Generalized Linear Models)的特殊情况。
- 2018-08-04
感知机算法是<统计学习方法>这本书讲的第一个机器学习算法，据说是最简单的机器学习算法。这里参考书中的例子，使用程序实现该算法，以便加深理解。
- 2018-07-07
二分类(binary classification)是最简单的一种分类问题，$y$ 的取值只有两种：0和1，对应的样本分别称为负样本和正样本。逻辑回归(Logistic regression)可用于处理二分类问题。
- 2018-07-14
前面讲到的学习算法都是对 $p(y|x;\theta)$ 建模。例如逻辑回归算法对 $p(y|x;\theta)$ 建模得到 $h_\theta(x)=g(\theta^Tx)$ (其中g是sigmoid函数)，直观上可以理解为：找到一条直线，将数据集划分为$y=1$和$y=0$两种，对新的输入，根据结果落在直线的哪一侧预测为对应的分类。这种叫做判别学习算法
- 2018-08-05
对于线性可分的数据集，感知机学习算法的原始形式是收敛的。也就是说，经过有限次的迭代，可以找到一个将数据集完全正确划分的分离超平面。