- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 个人理解--梯度下降
最近被问机器学习是怎么训练的，那么就顺便再深入理解梯度下降算法。一、导数 首先我们需要复习一下导数的知识。导数是什么？一个导数是描述一个函数上的一个点在自变量增大时，因变量的变化率。在这里我讨论导数的对象为二维空间上的函数。我们用极限来表达导数，当左右侧导数相等时，这个点才存在导数。 ...
2019-03-28 16:49:25
410
原创 个人理解--贝叶斯公式
一、条件概率定义 假设A和B是样本空间中的两个集合，我们可以很清楚的明白P(A)和P(B)分别代表集合A与集合B的概率，以及是两个集合交集的概率，即两个事件同时发生的概率。但是注意，凡是形式为P(x)的都是概率，背后本质是一个比值，那么就会有分子与分母...
2019-03-17 17:46:19
1986
转载 机器学习笔记(五)--SVD奇异值分解
SVD奇异值分解可运用在降维算法PCA中进行特征分解，在机器学习等领域有广泛应用，所以很有必要将它搞清楚。优秀文章：https://www.cnblogs.com/pinard/p/6251584.html一、特征值与特征向量 ...
2019-03-17 00:03:11
353
原创 数学建模学习笔记(三)--回归与分类
回归与分类这两个监督学习方法的区别主要在于：1.输出的类型：连续与离散。2.loss函数：均方差与交叉熵（输出是否为一个可度量的空间，不同输出之间是否存在可度量的距离）。3.网络结构：不需要softmax与需要softmax。这两个方法本质上相同，分类可以用回归来做。...
2019-03-16 22:40:34
465
原创 数学建模学习笔记(二)--TOPSIS
一、TOPSIS优劣解距离法优秀文章：https://zhuanlan.zhihu.com/p/37738503这个方法是使用在多方案评估问题中，给出每个方案的得分，选出最优的方案。1.指标同向化意思就是：有的变量越大越好，有的变量越小越好，有的变量在一个区间就可以，那么就需要处理这些变量，变换成同个方向。...
2019-03-16 22:36:50
4930
原创 自然语言处理笔记(一)--句子编码
NLP最初的步骤就是将文本中的句子表示成计算机能够处理的数字矩阵，而句子是由多个单词组成的，所以表达句子的任务就变成了如何表达单词。表达单词一般有两种大方法：词袋模型，词向量模型。一、词袋模型(BOW)将所有出现过的单词装进一个袋子里，忽略词法与语序，每个单词都是独立的。那么单词的维度就是词袋的大小(用单词的出现次数表达)。这样会出现稀疏性的问题(one-hot)。二、词向量模型(Wo...
2019-03-07 16:42:02
2333
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人