![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 76
free356
热爱技术,分享交流
展开
-
斯坦福机器学习课程笔记1
一,先提知识1,计算机科学基础知识,基本技能以及原理2,概论统计基础知识3,线性代数基本知识二,本课程目标能够运用机器学习的算法解决实际问题进行机器学习方面的研究证明一些定理(比如邮编读取可达到99.9%的正确率)三,使用工具MATLAB或octave四,在线资源1,http://cs229.stanford.edu/2,新闻组 http://su.原创 2017-06-17 16:17:32 · 1105 阅读 · 0 评论 -
基于卷积神经网络的推荐算法
基于卷积神经网络的推荐算法论文信息:华南理工大学 吴浠 16年硕毕论目的:将卷积神经网络应用到推荐系统,缩短训练时间。为此工作:1)对比分析了当前广泛应用于推荐系统中的各个算法,包括基于内容的推荐,协同过滤推荐,基于知识的推荐,混合推荐。2)将卷积神经网络应用到推荐系统中,实现了基于卷积神经网络的推荐算法。3)在 Matlab 中实现了基于卷积神经网络的推荐算法,利用 Movie Lens-...原创 2018-03-05 14:38:09 · 28278 阅读 · 10 评论 -
理解Word2vec
理解Word2vec一,词向量首先需要理解词向量。比如有一个城市的词汇表(北京,上海,宁夏,纽约,巴黎,,,,,南京)One-Hot Encoder按照如下方式:杭州 [0,0,0,0,0,0,0,1,0,……,0,0,0,0,0,0,0]上海 [0,0,0,0,1,0,0,0,0,……,0,0,0,0,0,0,0]宁波 [0,0,0,1,0,0,0,0,0,……,0,0,0,0,0,0,0]北京...原创 2018-03-05 15:00:48 · 2585 阅读 · 1 评论 -
BP算法
一,定义误差逆传播算法(backpropagation BP算法)是迄今最成功的的神经网络算法。显示任务中使用神经网络时,大多是在使用BP算法进行训练。不仅适用于多层前馈神经网络,还可以用于其他类型的神经网络,训练递归。二,模型Ø 网络模型如下图的单隐层神经网络,输出层有d个神经元,一个q个神经元组成的隐层,L个神经元组成的1个输出层,其中,隐层和输出层神经元都使用Sigmoid函数。 Ø 训练数...原创 2018-03-05 15:04:25 · 2605 阅读 · 0 评论 -
神经网络
《神经网络》神经网络作为一个比较大的范畴词,涉及内容非常多,这里只是神经网络的基本概念理解,并给出一个常见神经网络列表介绍。具体的后续作为学习。人工神经网络(Artificial Neural Network,即ANN ),是20世纪80 年代以来人工智能领域兴起的研究热点。它也是目前各种神经网络模型的基础。1,什么是神经网络?神经网络是一种运算模型,由大量的节点(或称神经元)之间相互联接构成。每...原创 2018-03-05 15:08:12 · 1462 阅读 · 0 评论 -
RNN和LSTM
一,考虑问题: l 当我们在理解一句话意思时,孤立的理解这句话的每个词是不够的,我们需要处理这些词连接起来的整个序列;l 当我们处理视频的时候,我们也不能只单独的去分析每一帧,而要分析这些帧连接起来的整个序列。类似上面任务需要能够更好的处理序列的信息,即前面的输入和后面的输入是有关系的。这时,就需要用到深度学习领域中一类非常重要神经网络:循环神经网络(Recurrent Neural Networ...原创 2018-03-05 15:12:35 · 969 阅读 · 0 评论 -
隐语义分析,以LFM为例
隐语义分析,以LFM为例:一个比较好的图:对于一个给定的用户行为数据集(数据集包含的是所有的user, 所有的item,以及每个user有过行为的item列表),使用LFM对其建模后,我们可以得到如下图所示的模型:(假设数据集中有3个user, 4个item, LFM建模的分类数为4)R矩阵是user-item矩阵,矩阵值Rij表示的是user i 对item j的兴趣度,这正是我们要求的值。对于...原创 2018-04-18 11:20:16 · 608 阅读 · 0 评论 -
理解先验概率,后验概率,似然概率,条件概率,贝叶斯,最大似然
1,先验概率:事件发生前的预判概率。可以是基于历史数据的统计,可以由背景常识得出,也可以是人的主观观点给出。一般都是单独事件概率,如P(x),P(y)。人主观觉得一件事情发生的概率,比如掷骰子,我们基于经验历史觉得概率就是1/6。 2,后验概率:事件发生后求的反向条件概率;或者说,基于先验概率求得的反向条件概率。概率形式与条件概率相同。一件事情已经发生了,求这件事情发生的原...原创 2018-12-07 11:24:03 · 1512 阅读 · 0 评论