The Machine Learning “Advent Calendar” Day 16: Kernel Trick in Excel
核 SVM 通常感觉很抽象，包含核、对偶公式和支持向量。在这篇文章中，我们走了一条不同的路。从核密度估计开始，我们逐步将核 SVM 构建为局部钟声的总和，通过铰链损失进行加权和选择，直到仅保留基本数据点。机器学习“降临日历”第 16 天：Excel 中的核技巧首先出现在《走向数据科学》上。
Wizz Air Reopens Suceava Base: A Boost for Romanian Connectivity
经过一年在罗马尼亚的强劲增长，威兹航空 (Wizz Air) 正式重新开放其在苏恰瓦的 ştefan cel Mare 国际机场的基地，拥有两架基地飞机。威兹航空重新开放苏恰瓦基地后：促进罗马尼亚的互联互通首先出现在 AviationSource News 上。
The Machine Learning “Advent Calendar” Day 14: Softmax Regression in Excel
Softmax 回归只是扩展到多个类别的 Logistic 回归。通过计算每个类别的一个线性分数并使用 Softmax 对其进行归一化，我们在不改变核心逻辑的情况下获得多类别概率。损失、梯度和优化保持不变。只是并行分数的数量增加。在 Excel 中实现，模型变得透明：您可以看到分数、概率以及系数如何随时间变化。机器学习“降临日历”日帖子14：Excel 中的 Softmax 回归首先出现在《Towards Data Science》上。
The Machine Learning “Advent Calendar” Day 13: LASSO and Ridge Regression in Excel
岭回归和套索回归通常被认为是线性回归的更复杂版本。事实上，预测模型保持完全相同。改变的是训练目标。通过对系数添加惩罚，正则化迫使模型选择更稳定的解决方案，尤其是当特征相关时。在 Excel 中逐步实现 Ridge 和 Lasso 使这个想法变得明确：正则化不会增加复杂性，它会增加偏好。机器学习“降临日历”第 13 天：Excel 中的 LASSO 和 Ridge 回归一文首先出现在《走向数据科学》上。
The Machine Learning “Advent Calendar” Day 12: Logistic Regression in Excel
在本文中，我们直接在 Excel 中一步步重建逻辑回归。从二进制数据集开始，我们探讨线性回归作为分类器为何举步维艰，逻辑函数如何解决这些问题，以及对数损失如何自然地从似然中出现。借助透明的梯度下降表，您可以在每次迭代中观察模型的学习情况，从而使整个过程直观、直观且令人惊讶地令人满意。机器学习“降临日历”第 12 天：Excel 中的逻辑回归首先出现在走向数据科学。
加尔各答以盛大的军事纹身庆祝维杰·迪瓦斯 (Vijay Diwas) 诞辰 54 周年。东部司令部组织了一系列活动。 RC 蒂瓦里中将谈到了印孟友谊和印度军队的勇敢。这次活动的特色是令人印象深刻的军事表演，包括直升机飞行和战斗演习。
Celestron Regal ED 8x42 获得了我们专家的 5 星评价，它们现在是我们见过的最便宜的——它们是观鸟者的理想选择。
