The Dawn

深度炼丹入坑许久，记录一些过程中遇到的问题，不定时更新。NO FREE LUNCH定理：如果不考虑具体问题，所有的算法都是随机猜测，没有好坏之分。1、训练数据集shuffle的作用在将训练数据送入网络之前，一般均会对数据集做shuffle，打乱数据之间的顺序，让数据随机化，这样可以避免过拟合。如果不shuffle，模型短期时间内可能会连续遇见到A类型样本，可能会出现过拟合，而另一段时间内又过拟合于B类型样本，忘记之前学习到的A样本，这样的模型泛化能力必然很差。那如果A和B样本一直交替，还会.

（此为机器学习随笔之一） 机器学习中的算法，主要有两种：监督学习；半监督学习。1 、名词监督学习 ： supervised learning 无监督学习 ： unsupervised learning 半监督学习 ： semi-supervised learning2 、 概念监督学习：亦称监督训练、有教师学习。是利用已知类别的样本（即有标记的样本 labeled sample，已知其相应的类

LSTM网络进行情感分析本教程旨在 Theano 中实现 循环神经网络（RNN）的 长短时记忆模型（LSTM）。 在本教程中，此模型用于对来自电影评论大数据集（有时称为IMDB数据集）的电影评论执行情绪分析。在这个任务中，给定电影评论，模型尝试预测它是正面还是负面。 这是一个二进制分类任务。1、本文目的： win8.1 64bit 下 运行LSTM官方例子

在终端窗口输出图片：In [1]: %matplotlib inline在图片窗口表现图片：In [2]: %matplotlib qt

版权声明：此为Yoshua Bengio的新书《Deep Learning》学习笔记，本文为博主在研究工作中经验分享，包括学习笔记、摘录、研究成果，以便以后工作参考之用，欢迎交流和批评；其中参考资料的标注难免会有疏漏之处，以及其它欠妥之处，如有请告知，立马更正，致歉，谢谢；未经博主允许不得转载。第一章 前言机器学习（machine learning）： AI 系统需要具备自己获