_

线性代数 中的 维 和 物理中的 维 不一样线性代数中的 矩阵 只是简单的加一行， 就多了一维。但物理中，简单的加一行 并不是一个维？（所以物理中的维是啥？）

机器学习能力自测题—看看你的机器学习知识能打几分？不容错过的机器学习试题与术语

2017年最佳论文, 伯克利改进2016年 DeepMind 突破性论文: NPI (神经编程解释器). 论文题为: MAKING NEURAL PROGRAMMING ARCHITECTURES GENERALIZE VIA RECURSION能够让机器自己具有推理能力和编程能力一直是人们梦想, 而如今, 即使深度学习和神经网络发展壮大, 我们在这一领域依然是”婴儿学步”. 去年DeepMind的论文NEURAL PROGRAMMER-INTERPRETERS (NPI) 又似乎让我们看到了曙光..

图模型或者概率图模型（Probabilistic Graphical Model）, 是每个机器学习领域数据科学家的必备工具. 今天的终极入门我们讲解斯坦福教授Daphne Koller 概率图模型在coursera上的教程. 简洁地把要点拿出来分享给大家.概率图模型可以是有向无环图 或者无向图概率图模型是用图来表示变量概率依赖关系的理论。因为概率的依赖关系可以是单向的, 也可以是双向的, 所以概率图模型可以是有向无环图(如贝叶斯网络), 也可以是双向的有环图(如马尔可夫网络) .概..

这次，我们要解释一种典型的机器学习算法——动态主题模型（Dynamic Topic Model）。概率主题模型和概率图模型是每个做文本挖掘的学者的必学课题。其中最常见的主题模型是隐含狄利克雷分布（LDA）。当然，本文的动态主题模型也是主题模型的一种，不过为了方便理解，我们还是来回顾一下LDA。来自：https://en.wikipedia.org/wiki/Latent_Dirichlet_allocation我们定义：α 是狄利克雷先验的参数，是每个文档可能的主题分布。..

基于 非负矩阵分解、奇异值分解 的 主题模型问题开始学习NLP，主题模型 是一个有趣 的 路。 我们将用 两个主流的 矩阵分解计数。一个 单词-文档 矩阵 如下： （译者：这里给的图是 文档-单词 矩阵，原图意思不清楚，没使用）文档-词 矩阵 可以分解 为 一个 高瘦 矩阵 乘 一个 宽短 矩阵 （或许 中间有一个 对角矩阵）。注意 文旦-词 矩阵 丢失了 单词顺序 或 句子结构。这是 词袋 方法 的 例子。隐变量语义分析（LSA， Latent Semantic Anal

0 原文0-course-logistics.ipynb1.what is NLP?这是一个变化的领域资源工具python库例子应用程序Ethics issues2. 基于 非负矩阵分解 、奇异值分解 的 主题模型停用词，stemming, lemmatization词-文档 矩阵主题频率-逆文档频率 (TF-IDF)奇异值分解(SVD)非负矩阵分解(NMF）阶段 奇异值分解，随机 奇异值分解3. 基于 朴素贝叶斯、逻辑回归、n元gram 的 情感分类稀疏矩

deep deam pytorch demo

QKV attentionQKV attention

logstic-regression-2-classification

类似vgg, 200个epochs , test_acc 上限 80%, 到达此值后上下摆动. 链接文章作者自称, test_acc 上限 85%, 但是我在colab上运行 即使给了gpu也不用gpu. 我改后的链接单纯一个没怎么调参的cnn 有跳层 ，撑死76% 。 链接...

机器学习入门0-java程序员入门机器学习被什么卡住了机器学习==数学分析(微分、积分、线性代数)+统计学(频率学派、bayes学派、甚至有小部分统计物理学内容)+优化理论+算法+编程+英文资料我们java程序员会什么？会编程，实力可以的基本能无障碍实现大部分算法。那么剩余的哪些东东呢？大部分java程序员应该是听过，但不一定深入了解过。微分、积分 也就是 微积分，本科数学都学过，名字叫 高等数学。大家都知道 微积分 同时 被 牛顿 和 莱布尼茨 创立的， 但大家可能不知道 牛顿 和 莱布尼茨 的