《故宫里的博物学》是专为孩子打造的中华文化通识读本，以清代乾隆时期的皇家动物图鉴《清宫兽谱》《清宫鸟谱》《清宫海错图》为蓝本，打破人文与科学的界限，从文学、艺术、动物、地理、自然、民俗、神话、志怪、典故、历史等方面，以现代博物学的探究...

如果基因是一串代码，我相信人类的代码中有爱！2020年注定载入医学史册。在西班牙流感暴发百年之后，又一场席卷世界的传染性疾病让全球人民为之不安。本书以时间为主线，梳理并收录了12种给人类造成很大影响甚至可以说改变人类历史的微生物。...

当数据集大的时候使用近似算法：在特征分裂时，根据特征k的分布确定个候选切分点。根据这些切分点把相应的样本放入对应的桶中，对每个桶的进行累加，最后通过遍历所有的候选分裂点来找到最佳分裂点。我们对这么多个桶进行分支判断，显然比起对n个样本...

GBDT是机器学习算法，XGBoost是该算法的工程实现传统GBDT以CART作为基分类器，XGBoost还支持线性分类器，这个时候XGBoost相当于带L1和L2正则化项的Logistic回归（分类问题）或者线性回归（回归问题）。传...

输入：已构造的kd树：目标点；输出：的最近邻（1）在kd树中找出包含目标点的叶节点：从根节点出发，递归地向下访问kd树。若目标点当前维的坐标小于切分点的坐标，则移动到左子节点，否则移动到右子节点。直到子节点为叶节点为止。（2）以此叶节...

kd树是一种对k维空间中的实例点进行存储，以便对其进行快速检索的树形数据结构。kd树是二叉树，表示对k维空间的一个划分。构造kd树相当于不断地用垂直于坐标轴的超平面将k维空间切分，构成一系列的k维超矩形区域。kd树的每个节点对应于一个...

笛卡尔积笛卡尔乘积是指在数学中，两个集合X和Y的笛卡尓积（Cartesianproduct），又称直积，表示为X×Y，第一个对象是X的成员而第二个对象是Y的所有可能有序对的其中一个成员。例如，A={a,b},B={0,1,2}，...

概率模型与非概率模型的区别在于模型的内在结构。概率模型一定可以表示为联合概率分布的形式，其中的变量表示输入、输出、因变量甚至参数。而针对非概率模型则不一定存在这样的联合概率分布。统计学习的模型可以分为概率模型（probabilisti...

超参搜索算法一般包括的要素（1）目标函数（2）搜索范围，上限和下限缺点（3）其他参数，如搜索步长。网格搜索查找搜索范围内所有的点来确定最优值；实际应用中先用较大搜索范围和较大步长，寻找全局最优值可能位置；然后逐步缩小搜索范围和搜索步长...

过拟合是指学习时选择的模型所包含的参数过多，以至出现这一模型对已知数据预测得很好，但对未知数据预测得很差的现象。当训练集效果差，欠拟合（如accuracy<0.8）；训练集效果好，测试集效果差，过拟合欠拟合解决方法：增加特征提高...

混淆矩阵，又称误差矩阵，就是分别统计分类模型归错类，归对类的观测值个数，然后把结果放在一个表里展示出来。这个表就是混淆矩阵。混淆矩阵是ROC曲线绘制的基础，同时它也是衡量分类型模型准确度中最基本，最直观，计算最简单的方法。TN：Tru...

TP：将正类预测为正类数FN：将正类预测为负类数FP：将负类预测为正类数TN：将负类预测为负类数分类任务指标Accuracy（准确率）：分类正确的样本占总样本个数的比例缺点：不同类...

经验风险（经验损失）：模型关于训练数据集的平均损失R_{\rmsrm}(f)=\...

回归模型常用的损失函数有：0-1损失函数：L...

确定问题：有监督问题还是无监督问题？回归问题还是分类问题？数据收集与处理特征工程：包括特征构建、特征选择、特征组合等模型训练、调参、评估：包括模型的选择，选择最优的参数模型部署：模型在线上运行的效果直接决定模型的成败