c_cpp_csharp的专栏

机器学习已经引起了广泛的关注，并发展成为一种使能技术，用于广泛的高度成功的应用，如智能计算机视觉、语音识别、医疗诊断等。然而，由于隐私、可用性和/或被遗忘权，一些特定样本的信息需要从称为机器遗忘的模型中删除，这就产生了一种特殊的需求。这项新兴技术因其创新性和实用性而引起了学术界和工业界的极大兴趣。与此同时，这个雄心勃勃的问题导致了许多旨在应对其挑战的研究工作。据我们所知，没有任何研究分析过这一复杂的主题，也没有比较过现有的遗忘解决方案在不同场景下的可行性。因此，通过这项调查，我们旨在了解遗忘技术的关键概念。

金融公司风控模型与算法整理

本文是《A Survey of Learning on Small Data》的翻译。原文链接小数据学习综述4. 几何角度4.1 Frechet均值4.2 欧几里得均值4.3 非欧均值4.3.1 Poincare质心4.3.2 Lorentzian质心4.3.3 Lorentzian焦点4.4 核均值5. 优化求解器5.1 欧式梯度5.2 非欧梯度5.3 Stein梯度6. 小数据表示的学习6.1 小数据的迁移学习6.2 小数据的元学习6.3 小数据的增强学习6.4 小数据的对比学习6.5 小数据的图表示

本文是对2022 ACM Computing Surveys上的一篇文章《 Tackling Climate Change with Machine Learning 》进行一个翻译。主要针对文字部分进行翻译，帮助有效快速阅读该论文。

机器学习调参神器