Hexo + Github Pages 博客搭建教程（四）：域名绑定
购买域名Github Pages 的默认域名是 <your_name>.github.io， 如果想将默认域名修改为个人域名，首先你要拥有一个自己的域名，如果还没有，可在以下几个网站购买：
阿里云域名注册
腾讯云域名注册
GoDaddy
绑定域名如果你已经购买了域名，绑定已有域名需
...
Hexo + Github Pages 博客搭建教程（五）：问题解答
百度和Google收录使用 GitHub + Hexo 搭建的博客，默认只能你自己能看到，别人是无法通过百度、谷歌等搜索引擎搜索到的:
可以手动将自己的博客站点提交给百度、谷歌的搜索引擎，这样就可以通过百度或谷歌搜索到自己的博客内容了：
百度收录百度无法搜索到博客信息，是因为 Github P
...
机器学习：理论基础（二）—— 信息论
惊奇度惊奇度：某事件所携带的信息量可以被看做该事件发生时所给我们带来的惊讶程度。
我们希望能够将这种惊奇度/信息量进行量化，一个合理的假设是：事件的惊奇度/信息量只取决于事件发生的概率。用$S(p)$表示由概率为$p$的事件发生以后所产生的惊奇程度，假定$S(p)$对一切$0<
...
机器学习：理论基础（三）—— 决策论
概率论研究如何量化和计算不确定性，而决策论则研究如何在不确定性中做出最优决策，决策论研究的问题一般可分为两个阶段：
推断阶段(inference stage)：确定联合概率分布$p(x,y)$或后验概率分布$p(y\mid x)$；虽然联合概率分布能够给出问题完整的概率描述，但并不是必要的；
决策
...
机器学习：理论基础（四）—— 多元微积分
实际应用中的函数普遍包含多个变量，当进入高维时，微积分的普遍法则本质上保持原样，虽然必须引入一些新的记号，但幸运的是并不需要彻底改造原有理论，多变量微积分无非是同时在各个方向运用单变量微积分。
向量和矩阵表示法将大大简化多元微积分，并能保持与低维形式上的一致性，本文使用小写字母$x$表示标量，粗体
...
机器学习：优化算法（一）—— 梯度下降
梯度下降法一般原理梯度下降法(gradient descent)是求解无约束最优化问题的一种最常用的迭代算法。当目标函数是凸函数时，梯度下降法的解是全局最优解。一般情况下，其解不保证是全局最优解，收敛速度也未必是很快的。
无约束最优化问题假设$f(x)$是$\mathbb{R}^n$上具有一阶连续偏
...
机器学习：优化算法（三）—— 拉格朗日对偶法
在有约束的最优化问题中，常常利用拉格朗日对偶法(Lagrange duality)将原始问题转化为对偶问题，通过求解对偶问题得到原始问题的解。
原始问题假设$f(x),\ c_i(x),\ h_j(x)$是定义在$\mathbb{R}^n$上的连续可微函数，考虑带约束的最优化问题：
\begin{
...