时间序列数据分析的基础包含大量的统计知识。这篇博客主要用通俗的语言描述时间序列数据中涉及到的一些基本统计知识。
AdaBoost算法详解以及代码实现
使用Python的sklearn包做kmeans
用R做面板数据回归（包括静态和动态）
深度学习库
Java类型转换中valueOf方法和parseInt方法的区别
页面内锚点
贝叶斯统计中的一些基本的概念和方法介绍
深度学习卷积操作的维度计算（PyTorch/Tensorflow等框架中Conv1d、Conv2d和Conv3d介绍）
Sequence-to-Sequence model
梯度下降、牛顿法、拟牛顿法详细介绍
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
使用R语言进行K-means聚类并分析结果
Generative Adversarial Networks 生成对抗网络的简单理解
通过JRI实现java与R的连接、通信
深度学习基础——激活函数以及什么时候该使用激活函数
回归模型中的交互项简介（Interactions in Regression）
H5文件简介和使用
多元高斯分布（多元正态分布）简介
机器学习中的高斯过程