SQL__Learning的博客

一、方向导数与梯度1.1 方向导数现在我们来讨论函数在一点沿某一方向的变化率问题.定义 设函数在点的某一邻域内有定义.自点引射线.设轴正向到射线的转角为（逆时针方向：0；顺时针方向：0），并设＇(+△,+△)为上的另一点且＇∈.我们考虑函数的增量(+△,+△)－与、＇两点间的距离的比值.当＇沿着趋于时，如果这个比的极限存在，则称这极限为函数在点沿方向的方向导数，记作，即    

机器学习常见算法个人总结（面试用）By Kubi Code 发表于 2015-08-16文章目录1. 朴素贝叶斯1.1. 工作原理1.2. 工作流程1.3. 属性特征1.4. Laplace校准(拉普拉斯校验)1.5. 遇到特征之间不独立问题1.6. 优缺点2. 逻辑回归和线性回归2.1. 梯度下降法2.2. 其他优化方法2.3. 关于LR的过拟合问题：2.4. 关于LR的多分类：softma

library(tm)library(ggplot2)library(dplyr)library(reshape2)library(tidyr)library(lubridate)data.path<-'D:\\ML_for_Hackers-master\\03-Classification\\data\\'easyham.path<-paste0(data.path,'easy_ham