看图学AI：一文读懂什么是有监督学习
本文要点：支持向量机贝叶斯过滤器·朴素贝叶斯分类器ID3算法（构建决策树）随机森林合理性检验判别模型的评估和ROC曲线ROC曲线的评估方法hold-out检验和交叉检验支持向量机支持向量机（Support Vector Machine，SVM）是为数据分布确定一个分类边界的方法。
前沿研究丨大数据为材料研究创造新机遇：材料设计的机器学习方法与应用综述
本文选自中国工程院院刊《Engineering》2019年第6期作者：周腾，Zhen Song，Kai Sundmacher来源：Big Data Creates New Opportunities for Materials Research: A Review on Meth
彻底搞懂支持向量机（SVM）：从“找线分开红蓝球”到“核函数”
别被符号吓到——你可以把它理解成“直线方程 $ax + by + c = 0$”的高维版本。SVM 用一个简单的规则:如果 $w^T x + b > 0$，预测为红豆。
互联网行业，再卷就卷没了…
根据维基百科，内卷化是一个社会学概念，也翻译为过密化，用以形容社会文化因为重复劳作、发展迟缓。美国人类学家亚历山大·戈登威泽在一篇论文中，使用“内卷化”来形容某文化模式达到某最终形态后，无法自我稳定，也无法转变为新的形态，只能使自己在内部更加复杂化。
理解泛函分析
泛函分析听起来很高深，但实际上它就是研究函数的函数（称为“泛函”）以及它们之间的关系。简单来说，泛函分析帮助我们理解复杂系统的行为，通过将这些问题抽象成数学空间中的点和变换。（当年硕士阶段的一门数学课，重新熟悉一下）为什么要发明这个工具？
特征工程的数学本质：为什么好特征比好模型重要
特征工程本质：空间变换，把难分数据映射为易分高维空间Kaggle圈有个说法：特征工程决定模型效果的上限，算法只是逼近这个上限。很多入门教程只罗列操作步骤：特征交叉、编码、标准化、分箱，只教“怎么做”，从来不拆解底层数学逻辑。
MiniMax押注线性注意力，让百万级长文本只用1/2700算力
量子位智库量子位 | 公众号 QbitAITransformer架构主导着生成式AI浪潮的当下，但它并非十全十美，也并非没有改写者。MiniMax-01就以变革者之姿搅动开源社区，押注线性注意力机制并将其扩展到前所未有的4560亿参数规模。
AI时代的物种大爆发，连一支笔也不例外
有一种观点是，当AI重新定义一切，推动一系列新技术、新产品、新应用在地球上掀起一场新的“物种大爆发”，那么AI本身，反而会隐匿不见。
机器学习入门：五分钟带你读懂什么是 SVM 核技巧
在机器学习的江湖里，支持向量机（SVM） 一直以其优雅、强大的性能著称。如果你刚开始接触 SVM，一定会被一个叫“核技巧”（Kernel Trick）的名词搞晕。听起来像是什么高端的编程代码，但其实，它更像是一种“降维打击”的逆向操作。