- 博客(10)
- 资源 (32)
- 收藏
- 关注
原创 TensorFlow 聊天机器人
上一次提到了不错的学习聊天机器人的资源,不知道小伙伴们有没有去学习呢。自己动手做聊天机器人教程我最近每天都会学一点,拿出解读来和大家分享一下。本文结构:聊天机器人的架构简图用 TensorFlow 实现 Chatbot 的模型如何准备 chatbot 的训练数据Chatbot 源码解读1. 聊天机器人的架构简图
2017-02-26 22:15:50 4958 1
原创 sklearn查看数据分布
import pandas as pdimport numpy as npimport matplotlib.pyplot as pltfrom sklearn.preprocessing import LabelEncoderfrom sklearn.preprocessing import StandardScalerfrom sklearn.model_selection imp
2017-02-10 19:57:47 5562
原创 李开复:如何设计你的年度计划
1、选择一项可行的目标就好人的习惯就是,当要求太多,其中有一项做不到,就可能全盘放弃。倒不如挑一件可行但有难度的去做,尤其是第一次。人总是需要靠着一些小小正面的成就感,慢慢建立自信。2、设定目标的SMART原则Specific 具体。Measurable 可衡量的。例如,不要将目标订为「多做善事」,这不够具体,也无法衡量,可改为每个月到老人院做义工一次。At
2017-02-10 08:20:07 751
原创 开启聊天机器人模式
聊天机器人系统框架图今天看到了一篇关于聊天机器人的一个不错的资源汇总:https://www.52ml.net/20510.html进去看看先大概了解了一下都有哪些主要的概念:原文:巨头们都很重视的聊天机器人,你不进来看看吗? 理想的 chatbot 什么样 现在的 bot 什么样 |处理任务
2017-02-09 20:48:42 2137
原创 Pandas处理csv表格
你要的答案或许都在这里:小鹏的博客目录可以结合这篇使用:数据处理利器Pandas使用手册1)读取csv文件data =pandas.read_csv(‘test.csv’) //返回的是DataFrame变量first_rows = data.head(n) //返回前n条数据,默认返回5条cols = data.columns //返回全部列名dimensison =
2017-02-08 10:23:27 29297
原创 一个隐马尔科夫模型的应用实例:中文分词
什么问题用HMM解决现实生活中有这样一类随机现象,在已知现在情况的条件下,未来时刻的情况只与现在有关,而与遥远的过去并无直接关系。比如天气预测,如果我们知道“晴天,多云,雨天”之间的转换概率,那么如果今天是晴天,我们就可以推断出明天是各种天气的概率,接着后天的天气可以由明天的进行计算。这类问题可以用 Markov 模型来描述。markov进一步,如果我们并不知道今天的天气属于什么...
2017-02-06 12:21:20 9088 1
原创 机器学习算法应用中常用技巧-2
7. 降维-PCAn_components为降到多少维,用原数据fit后,再用transform转换成降维后的数据。from sklearn.decomposition import PCApca = PCA(n_components = 6)pca.fit(good_data)reduced_data = pca.transform(good_data)reduced_dat
2017-02-06 10:02:11 943
原创 机器学习算法应用中常用技巧-1
参考:Udacity ML纳米学位1. 取样数据量很大的时候,想要先选取少量数据来观察一下细节。indices = [100,200,300]# 把sample原来的序号去掉重新分配samples = pd.DataFrame(data.loc[indices], columns = data.keys()).reset_index(drop = True)print
2017-02-06 10:01:20 1160
原创 用 TensorFlow 创建自己的 Speech Recognizer
参考资料源码请点:https://github.com/llSourcell/tensorf...语音识别无处不在,siri,google,讯飞输入法,讯飞语记,智能家居,车,etc。每天都在用的,很好奇它是怎么实现的,今天来看看这么便利的东东到底是什么样子呢。进化史最开始的 speech recognizer 只能识别 0-9 这几个数字,说别的单词是
2017-02-06 09:11:57 14776 6
原创 卷积神经网络(CNN):从原理到实现
1.前言(1)神经网络的缺陷在神经网络一文中简单介绍了其原理,可以发现不同层之间是全连接的,当神经网络的深度、节点数变大,会导致过拟合、参数过多等问题。(2)计算机视觉(图像)背景通过抽取只依赖图像里小的子区域的局部特征,然后利用这些特征的信息就可以融合到后续处理阶段中,从而检测更高级的特征,最后产生图像整体的信息。距离较近的像素的相关性要远大于距离较远像素的相关性
2017-02-04 20:04:41 10399 4
Face Recognition(face_recognition) Using Hadoop Streaming API
2017-10-08
caffe深度学习薛开宇笔记实例-基于卷积神经网络的声音识别
2016-12-27
Deep Learning textbook
2016-12-09
训练xml文件时,产生info.txt文件
2016-11-01
斯坦福大学机器学习课程个人笔记完整版
2016-04-19
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人