And now I know that i be on my own

一、ARIMA

李宏毅2020机器学习深度学习(完整版)国语一、Course IntroductionRegression 回归 输出数值Classifiction 分类Generation 生成 创造Supervised Learning监督学习Labeled Data提供Label函数的Loss f1

【算法】Dijkstra算法、A*算法与启发函数A*算法搜索思想——DFS & BFS（基础基础篇）Dijkstra算法Dijkstra算法和A*算法总结启发式函数在A* 中的作用A*算法这个从wiki上看来的，一开始是57年提出的Dijkstra算法，然后64年Nils Nilsson提出了A1算法，是一个启发式搜索算法，而后又被改进成为A2算法，直到68年，被Peter E. Hart改进成为A算法，为什么叫A呢，因为原作者借鉴了统计学方面的一个上标，在统计学中，一个变量加上 * 表示这个变

**【Task3 神经网络基础 (2 days )】**1.基础知识前馈神经网络、网络层数、输入层、隐藏层、输出层、隐藏单元、激活函数的概念。感知机相关；定义简单的几层网络（激活函数sigmoid），递归使用链式法则来实现反向传播。激活函数的种类以及各自的提出背景、优缺点。（和线性模型对比，线性模型的局限性，去线性化）深度学习中的正则化（参数范数惩罚：L1正则化、L2正则化；数据集增...

【Task1 数据集探索 (2 days)】1.数据集数据集：中、英文数据集各一份中文数据集：THUCNews英文数据集：IMDB数据集 Sentiment Analysishttp://ai.stanford.edu/~amaas/data/sentiment/2.影评文本分类官方学习文档https://tensorflow.google.cn/tutorials/keras/ba...

**【Task 2 文本表示：从one-hot到word2vec (2 days)】**学习词袋模型概念：离散、高维、稀疏。学习分布式表示概念：连续、低维、稠密。理解word2vec词向量原理并实践，来表示文本。word2vec 中的数学原理详解https://blog.csdn.net/itplus/article/details/37969519word2vec原理推导与代码分析...

**【Task4 卷积神经网络 (2 days )】**卷积运算的定义、动机（稀疏权重、参数共享、等变表示）。一维卷积运算和二维卷积运算。池化运算的定义、种类（最大池化、平均池化等）、动机。Text-CNN的原理。利用Text-CNN模型来进行文本分类。参考资料：图像卷积与反卷积（后卷积，转置卷积）https://blog.csdn.net/fate_fjh/article/det...

1、 信息论基础（熵 联合熵 条件熵 信息增益 基尼不纯度）熵：熵的概念最早起源于物理学，用于度量一个热力学系统的无序程度，在信息论里面，熵是对不确定性的测量。联合熵：联合熵就是度量一个联合分布的随机系统的不确定度。分布为p(x,y)的一对随机变量（X,Y），其联合熵定义为：条件熵：定义事件 X 与 Y 分别取 xi 和 yj 时的条件熵为其中p(xi, yj)为 X = xi 且 ...

欢迎使用Markdown编辑器1、逻辑回归与线性回归的联系与区别联系：线性回归决策函数将其通过sigmoid函数，获得逻辑回归的决策函数区别：线性回归用来预测，逻辑回归用来分类。线性回归是拟合函数，逻辑回归是预测函数线性回归的参数计算方法是最小二乘法，逻辑回归的参数计算方法是梯度下降参考博客：https://blog.csdn.net/lx_ros/article/details...

1.机器学习的一些概念有监督：通过已有的训练样本去训练得到一个最优模型，再用这个最优模型去将给定数据转化为相应的输出，来解决相应的问题。回归：定量输出称为回归，比如根据房屋的地理位置，房屋面积大小，以及房屋周边的配套设施等因素，来预测下给定房屋的价格，这就是典型的回归问题。回归问题往往会通过计算误差（Error）来确定模型的精确性。误差由于训练集和验证集的不同，会被分为训练误差（Train...