摘录自公众号「@跟我学机器学习」
从编码到信息熵与交叉熵再到KL散度：Cross Entropy、KL divergence
本文详细介绍了从编码到信息熵与交叉熵再到KL散度一步一步的演变过程，可以从直观的示例来理解原理。
LangGraph Runtime 是什么？一文讲清Runtime与Context的作用与用法！
本文深入讲解 LangGraph 中 Runtime 机制的设计与作用，重点分析其如何解决 State 臃肿与运行依赖混杂的问题。结合 LangGraph 执行流程与 RunnableConfig、Context、Runtime 三大核心组件，并通过代码示例演示节点如何访问运行时信息，帮助开发者理解短期记忆、外部存储与 Agent 上下文管理的最佳实践，是构 …
KV Cache原理：大模型推理加速为什么离不开它
KV Cache 原理详解，讲清大模型推理为什么更快、缓存保存了什么，以及它如何减少重复计算。
什么是深度学习：概念、原理与核心特点全解析
什么是深度学习？本文从机器学习与神经网络出发，讲清深度学习的基本概念、工作原理和核心特点。
随机森林特征重要性评估：原理、计算方式与结果解读
随机森林特征重要性评估详解，讲清基尼不纯度、重要性计算方式，以及结果应该如何解读。
贝叶斯三大算法对比：原理差异、适用场景与实验结果
贝叶斯三大算法对比教程，系统比较高斯朴素贝叶斯、多项式朴素贝叶斯与伯努利朴素贝叶斯的原理、场景和实验结果。