Q统计量是衡量Ensemble模型中两两分类器（pair wise）有多不同的一个指标。

Heavy Tailed Distribution（重尾分布）是一系列很常见的分布，有一些特有的性质。

生活学习中难免要学习新的抽象概念，不过相对于具体知识，其理解会稍微困难一些。那有没有较好的方式，使新抽象概念习得稍微顺畅点呢？

机器学习模型的误差源于两部分Bias以及Variance，对其直觉的理解，有助于帮助找到模型优化的方向。

逻辑回归是经典的机器学习算法，其损失函数为交叉熵，但为何不用平方误差呢？本文从收敛速度角度简要介绍。

逻辑回归算法非常经典，其求解经常用梯度下降算法，本文简单推导梯度表达式，以备忘。

Contrasive loss即对比损失，性质比较有趣，简单记录之。

简单梳理和熵相关的一些概念，记录以备忘。