本文首先介绍机器学习中不可避免的Bias-variance tradeoff问题，分析决策树所面临的问题，从减小Bias和减小Variance两方面的思路，介绍Bagging树和提升树两类模型。

本篇博客是介绍在机器学习和深度学习中常用优化算法的第二部分，继续介绍其他优化算法包括Adam、Nadam以及一些常用的梯度算法优化策略。同样，对于每种优化算法，简单介绍其出发点、解决的思路和原理，以及所具备的优缺点。

本篇博客是介绍机器学习和深度学习中常用优化算法的第一部分，包括梯度下降、动量项、Nesterov加速、AdaGrad、RMSProp、AdaDelta对于每种优化算法，简单介绍其出发点、解决问题的思路和原理，以及所具备的优缺点。

从贝叶斯定理出发，推导出逻辑斯蒂回归模型的由来。

本文以20种新闻组为英文语料，对基本的文本分类模型进行分析