dugudaibo的博客

以序列标注为背景，介绍了隐马尔科夫模型，条件随机场模型

1. 强化学习情景  强化学习的情景如下图所示 有一个 agent ，他在一个 environment 中，观察到一个值 Observation 执行一个 action ，这个 action 改变了环境的值，agent 得到一个对应的奖励。  以围棋为例，如下图所示 他观察目前的棋盘，落一个子，然后棋盘的环境发生了改变，如果最后赢了这盘棋就会得到奖励1，如果输了就会得到奖励-1

结构型SVM详细介绍

National Taiwan University (NTU)李宏毅老师的《Machine Learning》的学习笔记，因此在全文对视频出现的内容多次引用。初出茅庐，学艺不精，有不足之处还望大家不吝赐教。   欢迎大家在评论区多多留言互动~~~~0. 相关链接  迁移学习发展至今天有了很大的进展，对其中比较经典的综述进行了相关总结《A Survey on Transfer

介绍结构线性算法需要解决的三个问题，以及模型 F(x,y) 的训练方法。

简单介绍什么是结构学习，结构学习的应用，统一框架，与概率模型之间的联系，与深度学习之间的联系

1. 生成模型  2016年PixelRNN，2014年Variational Autoencoder (VAE)，2013年Generative Adversarial Network (GAN)。

谈论了支持向量机的损失函数的选择，核函数及核技巧，最后介绍了深度学习与SVM的联系和区别。

主要讲述深度自编码器的相关内容，实现方式主要NN及CNN两种方式，以及深度自编码器的几个应用方向。

1. 流形学习 (Manifold Learning)  流形学习（manifold learning）是机器学习、模式识别中的一种方法，在维数约简方面具有广泛的应用。它的主要思想是将高维的数据映射到低维，使该低维的数据能够反映原高维数据的某些本质结构特征。流形学习的前提是有一种假设，即某些高维数据，实际是一种低维的流形结构嵌入在高维空间中。流形学习的目的是将其映射回低维空间中，揭示其本质[1

  National Taiwan University (NTU)李宏毅老师的《Machine Learning》的学习笔记，因此在全文对视频出现的内容多次引用。初出茅庐，学艺不精，有不足之处还望大家不吝赐教。   欢迎大家在评论区多多留言互动~~~~1. 为什么要使用词嵌入（Word Embedding）  在词嵌入之前往往采用 1-of-N Encoding 的...

无监督学习可以大概分为两类：一类是化繁为简，主要是聚类和降维；另一类是无中生有，主要是生成算法。在这里我们主要介绍聚类和降维部分。1. 聚类算法1.1 K-means聚类  略1.2 层次聚合聚类（Hierarchical Agglomerative Clustering，HAC）  略1.3 分布式表征  有的时候仅仅用一类标签没有办法将数据的类别完整

RNN的原理及应用

半监督学习笔记

1. 模型集成的框架  模型集成的框架是这样的，有很多种分类器，它们应该是不同的，可以是不同的机器学习方法，也可以是相同的方法。但是它们应该是互补的，也就是说不是互相相似的。没有重分类器都应该有自己的位置。2. Ensemble：Bagging  在本节中会以某一种机器学习方法举例，但是实际上这种集成方法适用于任何的机器学习方法。2.1 回顾偏置与方差的关系  偏置与方