![](https://img-blog.csdnimg.cn/20201014180756780.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 88
qq_1144521901
这个作者很懒,什么都没留下…
展开
-
Word embedding techniques
Word embedding techniques are methods used to represent words in a numerical format, such as a vector, that can be input into a machine learning model. These embeddings capture the meaning of the words and the relationships between them in a continuous, de原创 2023-01-24 19:09:34 · 1476 阅读 · 0 评论 -
Argmax 详解
Argmax 详解原创 2023-01-12 09:32:41 · 8155 阅读 · 0 评论 -
RNN - framework
RNN原创 2022-07-23 21:28:48 · 293 阅读 · 0 评论 -
Reinforcement Learning - Q-learning
Reinforcement Learning - Q-learning原创 2022-07-19 19:33:47 · 414 阅读 · 0 评论 -
Deep Reinforcement Learning
Deep Reinforcement Learning原创 2022-07-19 18:33:53 · 159 阅读 · 0 评论 -
密码学总结
1. 数学方面中国剩余定义,计算x --> 列表 模的计算 gcd计算 + extend gcd(代码实现)--> get inverse(if remainder == 1,有;else 无) Euler‘s公式 :计算O Fermat’s Theorem:计算x^a2.Symmetric Cryptography3.Asymmetric CryptographyLimitations of Symmetric Key Systems (密钥分发/存储)...原创 2020-09-13 22:56:46 · 427 阅读 · 4 评论 -
「机器学习_12」 词向量
为把人们所理解的自然语言 让 计算机也能够 认识并且操作,需要将人的语言(即文字)转换成计算机的语言(即数字)我们将其称为词向量。把文字转换成词向量有多种编码方式:大致分为两类,离散表示和分布式表示。离散表示即 无法衡量词与词之间的关系,即在编码过程中并不考虑词的顺序,以此为代表的编码方式包括:one-hot...原创 2019-03-01 15:01:21 · 345 阅读 · 0 评论 -
「机器学习_8」Bag-of-Words
Bag-of-Words1.文字问题2.什么是Bag-of-Words1.文字问题文本建模的一个问题是它很杂乱,机器学习算法之类的技术更喜欢定义明确的固定长度输入和输出。机器学习算法无法直接处理原始文本;文本必须转换为数字。具体来说,是数字向量。在语言处理中,矢量x是从文本数据中导出的,以便反映文本的各种语言特性。这称为特征提取或特征编码。一种流行且简单的使用文本数据进行特征提取的方法称为Bag-of-Wor...原创 2020-07-04 20:54:32 · 1514 阅读 · 0 评论 -
「机器学习_8」 perceptron 实例
Perceptron 具有隐藏层数据数据的训练当存在一个隐藏层的时候的perceptron(3 layer),计算最终权重。AND 和 OR 的计算(计算两个数的&和|) 注意,本题已知learning rate = 0.1; 初始的θ01 = θ11 = θ21 = 0 ; Output layer 的step function,最...原创 2020-05-05 15:57:08 · 301 阅读 · 0 评论 -
「机器学习_11」分类和回归
分类和回归 Classification & regression本质上讲:classification是预测一个标签,但是regression是关于预测数量当有人询问“how do I calculate accuracy for my regression problem?”时,就是没有充分理解好二...原创 2020-05-05 15:40:13 · 344 阅读 · 0 评论 -
「机器学习_10」Backpropagation 实例
Multilayer perceptron计算--- backpropagation The network should implement the XOR function. 已知:原创 2020-05-02 23:59:04 · 360 阅读 · 0 评论 -
「机器学习_9」 Backpropagation
Lec 6 Learning Parameters of Multi-layer Perceptrons with Backpropagation Summary Learning parameters of neural networks The Backpropagation algorithm Toward backpropagation使用pe...原创 2020-05-02 16:29:29 · 245 阅读 · 0 评论 -
「机器学习_7」 one-hot encoding解释
one-hotencoding的解释Whyone-hotencodedatainmachinelearning?ØWhatiscategoricaldata?Someexamplesinclude:lA“pet”variablewiththevalues:“dog”and“cat“.lA“color”variablewith...原创 2020-05-02 12:43:34 · 293 阅读 · 0 评论 -
「机器学习_6」The Perceptron
Lec6ThePerceptron Lec---Summary •Biologicalmotivation•Error-basedclassifier (只要预测结果和真实结果不一致,就要一直更新权重,就需要一直训练) (而且要明白整个训练和计算的过程,下面有具体的例子)•ThePerceptronRule (权重的计算)•Rel...原创 2020-05-02 12:40:37 · 403 阅读 · 0 评论 -
「机器学习_5」逻辑回归(Logistic Regression )
学习逻辑回归需要清楚的几件事:假设函数怎么用(怎么预测),决策边界怎么用(一般取0.5),损失函数如果计算(因为要取最小),优化方法(重新计算各个权重)建议:我阅读的英文参考资料的相关内容除了公式我并没有往上发布。但是我会放到我的下载资料中,建议,想彻底理解这几个内容的,如果不想直接从公式推导入手,可以考虑看下具体的例子,就会明白其中的含义。前言 本文主要介绍逻辑回归的基础知识,...原创 2020-04-30 02:36:35 · 330 阅读 · 0 评论 -
「机器学习_4」梯度下降(Gradient Descent)
在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一。1. 梯度 在微积分里面,对多元函数的参数求∂偏导数,把求得的各个参数的偏导数以向量的形式写出来,就是梯度。 比如函数f(x,y), 分别对x,y求偏导数,求得的梯度向量就是(∂f/∂x,∂f/∂y)T,简称grad f(x,y...转载 2020-04-27 11:47:50 · 322 阅读 · 0 评论 -
「机器学习_3」概率数学基础
前言条件概率,边缘概率,联合概率,全概率,贝叶斯定理是机器学习中几乎所有算法的基础,虽然公式记住了,但是为什么是这样,以及如何理解看过之后隔一段时间问题忘,这里在这里好好做下总结1. 边缘概率边缘概率是与联合概率相对应的,P(A)和P(B)这类仅与单个随机变量有关的概率称为边缘概率。边缘概率是不用求的,一般都会给出。条件概率是由联合概率反推出来的,理解起来没有那么直观,全概...转载 2020-03-22 19:43:55 · 303 阅读 · 0 评论 -
机器学习_3_attribute
二、标称属性(nominal attribute) 1)特点标称属性的值是一些符号或事物的名称。 每个值代表某种类别、编码、状态,因此标称属性又被看做是分类的(categorical)。 标称属性的值不具有有意义的序,而且不是定量的。(也就是说,给定一个对象集,找出这种属性的均值没有意义) 2)其它这些值不必具有有意义的序,在计算机科学中,这些值也被看做是枚举的(enum...转载 2020-03-06 18:51:01 · 612 阅读 · 0 评论 -
机器学习_2_监督学习和非监督学习
监督学习和非监督学习无论是监督学习还是非监督学习都是机器学习的一种训练方法。NB: 分类和回归就是监督学习的例子;聚类就是非监督学习的例子2.1 什么是监督学习?监督学习需要有明确的目标,很清楚自己想要什么结果。比如:按照“既定规则”来分类、预测某个具体的值…监督并不是指人站在机器旁边看机器做的对不对,而是下面的流程: 选择一个适合目标任务的数学模型...转载 2020-03-06 17:50:43 · 638 阅读 · 0 评论 -
机器学习_1_聚类+分类+回归
week 1聚类和分类监督学习和非监督学习------------------------------------------------------------1. 术语1.1 类别 (class)为标签枚举的一组目标值中的一个。例如,在检测垃圾邮件的二元分类模型中,两种类别分别是“垃圾邮件”和“非垃圾邮件”。在识别狗品种的多类别分类模型中,类别可以是“贵宾犬”、“...原创 2020-03-06 17:51:41 · 3166 阅读 · 0 评论