人工智能篇
文章平均质量分 96
人工智能(Artificial Intelligence),英文缩写为AI。它是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学。人工智能从诞生以来,理论和技术日益成熟,应用领域也不断扩大,可以设想,未来人工智能带来的科技产品,将会是人类智慧的
HPU_FRDHR
这个作者很懒,什么都没留下…
展开
-
先验 后验概率 与 极大 最大似然估计 的异同
先验概率 先验概率(prior probability)是指根据以往经验和分析得到的概率。例如投硬币事件,我们在执行这个事件之前就已经了解其符合二项分布,然后直接根据二项分布分析出的概率被称作是先验概率。它往往作为"由因求果"问题中的"因"出现的概率。 在贝叶斯统计推断中,不确定数量的先验概率分布是在考虑一些因素之前表达对这一数量的置信程度的概率分布。例如,先验概率分...原创 2019-04-09 17:56:28 · 1067 阅读 · 0 评论 -
Generative Adversarial Nets(译)
仅供参考,如有翻译不到位的地方敬请指出。论文地址:Generative Adversarial Nets论文翻译:XlyPb(http://blog.csdn.net/wspba/article/details/54577236)摘要我们提出了一个通过对抗过程估计生成模型的新框架,在新框架中我们同时训练两个模型:一个用来捕获数据分布的生成模型G,和一个用来估计样本来自训练数据而不是...原创 2019-10-20 22:21:03 · 512 阅读 · 0 评论 -
Google免费GPU【Colaboratory】使用教程
准备工作:这个软件的使用需要翻墙,并且需要注册一个google的邮箱/账号。Colaboratory基础使用步骤:(1)首先登陆谷歌云盘:https://drive.google.com/drive/my-drive然后用自己的google账号登录,进入谷歌云硬盘,在空白处右键,选择新建一个文件夹。(本文新建的文件夹名为:Colab Notebooks):(2)进入该文件夹...原创 2019-05-07 20:08:45 · 2101 阅读 · 1 评论 -
贝叶斯个性化排序(BPR)算法
在推荐系统中的经典矩阵分解技术中,我们讨论过像funkSVD之类的矩阵分解方法如何用于推荐。今天我们讲另一种在实际产品中用的比较多的推荐算法:贝叶斯个性化排序(Bayesian Personalized Ranking, 以下简称BPR),它也用到了矩阵分解,但是和funkSVD家族却有很多不同之处。下面我们来详细讨论。1.排序推荐算法背景介绍 排序推荐...原创 2019-04-23 11:58:14 · 3036 阅读 · 3 评论 -
常用损失函数及Tensorflow代码实现
损失函数(loss):用来表示预测值(y)与已知答案(y_)的差距。在训练神经网络时,通过不断 改变神经网络中所有参数,使损失函数不断减小,从而训练出更高准确率的神经网络模型。常用的损失函数有均方误差、自定义和交叉熵等。1.均方误差 msen 个样本的预测值 y 与已知答案 y_之差的平方和,再求平均值。 ...原创 2019-04-03 10:49:20 · 1780 阅读 · 0 评论 -
神经网络之BP反向传播算法
反向传播算法和BP网络简介 误差反向传播算法简称反向传播算法(BP算法)。使用反向传播算法的多层感知器又称为BP神经网络。BP算法是一个迭代算法,它的基本思想为:(1)先计算每一层的状态和激活值,直到最后一层(即信号是前向传播的);(2)计算每一层的误差,误差的计算过程是从最后一层向前推进的(这就是反向传播算法名字的由来);(3)更新参数w和b(目标是误差变小)。迭代前面两个步骤,...原创 2019-04-03 10:08:19 · 3836 阅读 · 0 评论 -
推荐系统笔记(矩阵分解)
基于矩阵分解的推荐算法,简单入门一,基于矩阵分解的推荐算法相关理论介绍基本思想 正如其名称所暗示的那样,矩阵分解显然是对矩阵进行分解,即找出两个(或更多)矩阵,这样当你将它们相乘时,你将得到原始矩阵。 推荐系统中的经典问题:评分预测(实际应用中,评分数据很难搜集到,属于典型的精英问题),与之相对的问题...原创 2019-03-29 18:46:55 · 648 阅读 · 0 评论 -
推荐系统中的经典矩阵分解技术
网络中的信息量呈现指数式增长,随之带来了信息过载问题。推荐系统是大数据时代下应运而生的产物,目前已广泛应用于电商、社交、短视频等领域。本文将针对推荐系统中基于隐语义模型的矩阵分解技术来进行讨论。NO.1对于一个推荐系统,其用户数据可以整理成一个user-item矩阵。矩阵中每一行代表一个用户,而每一列则代表一个物品。若用户对物品有过评分,则矩阵中处在用户对应的行与物品...转载 2019-03-30 21:14:18 · 831 阅读 · 0 评论 -
机器学习之k-近邻算法
title: ‘机器学习| K-近邻算法详解 (Python 语言描述)’date: 2019-01-07thumbnail: https://laugh12321-1258080753.cos.ap-chengdu.myqcloud.com/laugh’s blog/images/photo/06.jpglayout: posttags:machine learningk-nea...原创 2019-03-26 14:52:00 · 941 阅读 · 0 评论 -
机器学习之朴素贝叶斯算法
引言: 很多机器学习算法都从误差角度来构建模型函数f,也就是减少损失函数。而贝叶斯算法则是从概率的角度来考虑。贝叶斯分类是一类分类算法的总称,这类算法均以贝叶斯定理为基础,故统称为贝叶斯分类。而朴素朴素贝叶斯分类是贝叶斯分类中最简单,也是常见的一种分类方法。1 分类问题综述对于分类问题,其实谁都不会陌生,日常生活中我们每天都进行着分类过程。例如,当你看到一个人,你的脑子...原创 2019-03-12 16:00:33 · 365 阅读 · 0 评论 -
机器学习之梯度下降
翻译|Gradient Descent in Pythonimport numpy as npimport matplotlib.pyplot as plt%matplotlib inlineplt.style.use(['ggplot'])当你初次涉足机器学习时,你学习的第一个基本算法就是梯度下降 (Gradient Descent), 可以说梯度下降法是机器学习算法的支...原创 2019-03-14 18:29:30 · 815 阅读 · 1 评论