机器学习
Arron_1024
这个作者很懒,什么都没留下…
展开
-
李宏毅ML lecture-1,2,3 线性回归以及梯度下降
梯度下降 (Gradient descent)Gradient descentprincipleloss functionlearning rateGradient descent是机器学习以及整个深度学习的基石,所以有必要记录一下Gradient descent的过程以及要点。Gradient descentGradient descent是一个一阶最优化算法,通常也称为最速下降法。 要使...原创 2019-01-22 21:50:04 · 133 阅读 · 0 评论 -
李宏毅ML lecture-11 why deep
李宏毅 lecture-11 why deepDeep → Modularization电路窗花End-to-end Learning这节课主要将深度学习的深度是如何体现的.Seide, Frank, Gang Li, and Dong Yu. “Conversational Speech Transcription Using Context-Dependent Deep Neural Ne...原创 2019-01-31 15:41:04 · 155 阅读 · 0 评论 -
李宏毅ML lecture-8,9 Keras 练习
李宏毅 lecture-8,9 Keras 练习原创 2019-01-23 11:30:51 · 223 阅读 · 0 评论 -
李宏毅ML lecture-6,7 Deep Learning
李宏毅 lecture-6,7 Deep Learning原创 2019-01-23 11:27:13 · 138 阅读 · 0 评论 -
李宏毅ML lecture-4,5 分类以及逻辑回归
李宏毅 lecture-4,5 分类以及逻辑回归原创 2019-01-23 11:19:14 · 182 阅读 · 0 评论 -
李宏毅ML lecture-13 unsupervised Learning Principle Component Analysis
李宏毅 lecture-13 unsupervised Learning聚类与数据降维聚类k-means聚类与数据降维聚类k-means原创 2019-02-09 23:37:15 · 259 阅读 · 0 评论 -
李宏毅ML -lecture 0 机器学习介绍
机器学习的领域如图所示,领域分为监督学习回归问题分类问题半监督学习无监督学习聚类问题密度估计数据可视化强化学习迁移学习结构化学习...原创 2019-01-22 20:38:03 · 140 阅读 · 0 评论 -
李宏毅ML lecture-12 Semi-supervised Learning
李宏毅 lecture-12 Semi-supervised Learning生成式模型半监督学习指的就是我们拿到的data一部分有label一部分没有label.有label的data当然就可以直接做监督学习,那没有label的data应该如何处理呢?在机器学习领域中,我们所使用的方法可以分为判别式模型(Discriminative Model)和生成式模型(Generative Mode...原创 2019-01-31 18:19:13 · 161 阅读 · 0 评论 -
机器学习的学习路线
机器学习的学习路线课程教材课程作为小白, 机器学习的入门门槛是极高的, 深入也是极难的. 而深度学习是建立在机器学习之上的, 所以我觉得在开始学习深度学习之前, 牢固学习机器学习十分有必要.这里主要列一下学习的课程:吴恩达机器学习CS229李弘毅机器学习莫烦python简要介绍一下上面的课程:吴恩达机器学习是吴恩达在Coursera上的课程, 吴恩达老师的课程深入浅出, 同时...原创 2019-01-16 10:59:35 · 216 阅读 · 0 评论 -
李宏毅ML lecture-10 CNN
李宏毅 lecture-10 CNNConvolutionstrideMaxPoolingflattenFully Connected FeedforwardCNN比DNN更为简单CNN过滤器,目的就是寻找一种pattern,这种pattern是和在图片中大小,位置无关的.Convolution卷积运算的核心就是用卷积核(Filter),也叫滤波器,扫描完整的图片并且输出扫描后的结果....原创 2019-01-23 20:32:58 · 120 阅读 · 0 评论 -
李宏毅ML lecture-14 unsupervised Learning Word Embeddng
李宏毅ML lecture-14 unsupervised Learning word2vec原创 2019-02-10 17:11:16 · 295 阅读 · 0 评论