交叉验证是一种用于估计机器学习模型性能的统计方法。它是一种评估统计分析结果如何推广到独立数据集的方法。简单来说，就是将数据集分成不同的部分，然后某些部分训练，某些部分测试，某些部分验证，这样可以最大程度避免过拟合以及测试模型在陌生数据集的性能。
构建人工智能应用的开发者指南
pip、Anaconda更改国内源以及为当前用户安装
内容生成方向的人工智能企业
Keras框架下输出模型中间层学习到的表示的两种常用方式
绝对路径
多元时间序列数据的预测和建模
codeFest2018比赛的冠军解决方案——自然语言处理/计算机视觉/机器学习
主题模型聚类匹配2018TKDE阅读笔记（Topic Models for Unsupervised Cluster Matching）
css整体感知
TFboys：使用Tensorflow搭建深层网络分类器
Dirichlet Distribution（狄利克雷分布）与Dirichlet Process（狄利克雷过程）
贝塔分布（Beta Distribution）简介及其应用
回归模型中的交互项简介（Interactions in Regression）
使用R语言进行K-means聚类并分析结果
矩母函数简介（Moment-generating function）
普通最小二乘法（Ordinary Least Squares，OLS）的详细推导过程
H5文件简介和使用
stata 用outreg2输出回归结果
Wishart分布简介
深度学习技巧之Early Stopping（早停法）