处理数据缺失的结构化解决办法
数据缺失是数据科学家在处理数据时经常遇到的问题，本文作者基于不同的情境提供了相应的数据插补解决办法。没有完美的数据插补法，但总有一款更适合当下情况。
Cross Entropy Loss 交叉熵损失函数公式推导
表达式
输出标签表示为{0,1}时，损失函数表达式为：
$L = -[y log \hat{y} + (1-y)log(1- \hat{y})]$
二分类
二分类问题，假设 y∈{0,1}
正例：$P(y = 1| x) = \hat{y}$
反例：$P(y=0|x) = 1-\hat{y}$
取似然函数
似然函数就是所有样本在参数θ下发生概率最大的那种情况，由于样本独立同分布，因此概率最大的情况就是每个样本发生概率的连乘。
GPU加速深度学习
本文介绍了GPU用于深度学习（尤其是深度学习训练）加速的背景，使用了主流的开源深度学习框架在NVIDIA GPU上实测加速性能，并给出了一些使用建议。
机器学习入门|决策树（一）
决策树（decesion tree）算法与其他机器学习算法最大的优势就是有很好的解释性，并可将分类结果进行可视化展示。但是决策树算法选择特征的方法众多，如何选择合适的方法是一个难点。
