![](https://img-blog.csdnimg.cn/20201014180756918.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
ml
qq_39643868
不懂坚持是什么
展开
-
(速记系列)机器学习
分类(classification):将实例数据划分到合适的类别中。应用实例:判断网站是否被黑客入侵(二分类 ),手写数字的自动识别(多分类)回归(regression):主要用于预测数值型数据。应用实例:股票价格波动的预测,房屋价格的预测等。监督学习必须确定目标变量的值,以便机器学习算法可以发现特征和目标变量之间的关系。在监督学习中,给定一组数据,我们知道正确的...翻译 2019-03-19 18:39:04 · 247 阅读 · 0 评论 -
svd简化
SVD,Singular Value Decomposition奇异值分解提取信息方法可看成是从噪声中抽取信息信息检索:隐性语义检索LSI,Latent Semantic Indexing隐形语义分析LSA,Latent Semantic Analysis推荐系统利用SVD从数据中构建一个主题空间再利用其空间下构建相似度(高维->低维,低维空间中计算相似度,提升RS效...原创 2019-04-28 15:29:02 · 327 阅读 · 0 评论 -
笔记2-cnn/rnn
受视觉启发,考虑视觉空间结构卷继层:核心图层提取局部区域特征通常有多个不同的卷积核局部区域和卷积核通过卷积运算生成不同特征不同卷积核可看成不同特征提取器池化层子采样层通常用在连续卷积之间类似于特征选择减少特征和参数数量,减少计算量,控制过拟合在每个通道上独立执行沿着高宽下采样RNN序列模型的一种变体循环性序列的每个时刻执行相同的任务每个时刻的输出依赖于当前时刻...原创 2019-04-26 21:42:35 · 119 阅读 · 0 评论 -
深度学习小结
局部极小值处理办法调节学习速率合理初始化权重,常用的:高斯分布初始化权重,均匀分布。。。。浅层NN可以拟合任何函数,数据量巨大深层可以用更少的数量更好的拟合,前提:空间中的元素可迭代而来防止过拟合L2正则化dropout每个epoch之后shuffle训练数据设置early-stopping加batch normalization(标准化所有的sample的统计分布,...转载 2019-04-26 11:46:58 · 144 阅读 · 0 评论 -
svm
参考:https://zhuanlan.zhihu.com/p/41952687线性SVM先看下线性可分的二分类问题(a)是已有的数据,红色和蓝色分别代表两个不同的类别。数据显然是线性可分的,但是将两类数据点分开的直线显然不止一条。(b)和©分别给出了两种不同的分类方案,其中黑色实线为分界线,术语称为“决策面”。每个决策面对应了一个线性分类器。虽然从分类结果上看,两种分类器的效果是相同...翻译 2019-03-28 19:37:28 · 287 阅读 · 0 评论 -
logistics regression
线性模型f(x)=wTx f(\bm{x}) = \bm{w}^T\bm{x} f(x)=wTx值域是(−∞,∞) (-\infty,\infty)(−∞,∞)sigmoid函数表达式为:σ(x)=11+e−x \sigma(x) =\frac{1}{1+e^{-x}}σ(x)=1+e−x1把线性回归模型的输出作为sigmoid函数的输入变成了逻辑回归模型:y=σ(f(x))=σ(wTx...翻译 2019-03-28 15:05:34 · 143 阅读 · 0 评论 -
cnn
层级网络,只是层的功能和形式做了变化架构卷积神经网络能够接受多个特征图作为输入,而不是向量输入层input layer去均值:输入数据各个维度都中心化为0,目的是把样本的中心拉回到坐标系原点上归一化:幅度归一化到同样的范围,减少各维度数据取值范围的差异而带来的干扰,比如,两个维度的特征A和B,A范围是0到10,B是0到10000,归一化后A和B的数据都变为0到1的范围。...翻译 2019-04-05 19:17:54 · 393 阅读 · 0 评论 -
kg-dl
大数据时代的到来,为人工智能的飞速发展带来前所未有的数据红利。在大数据的“喂养”下,人工智能技术获得了前所未有的长足进步。其进展突出体现在以知识图谱为代表的知识工程以及深度学习为代表的机器学习等相关领域。随着深度学习对于大数据的红利消耗殆尽,深度学习模型效果的天花板日益迫近。另一方面大量知识图谱不断涌现,这些蕴含人类大量先验知识的宝库却尚未被深度学习有效利用。融合知识图谱与深度学习,已然成为进一步...转载 2019-03-29 14:10:06 · 272 阅读 · 0 评论 -
树模型
决策树基本分类与回归方法一棵树表示整个决策过程根节点包含整个样本集,叶节点对应决策结果,内部节点对应决策过程(属性测试)根节点到叶节点对应判定测试序列熵:随机变量不确定性P(X=xi)=pi,i=1,..n,H(X)=−∑i=1npilog(pi) P(X=x_i)=p_i,i=1,..n,\\H(X)=- \sum_{i=1}^np_ilog(p_i)P(X=xi)=pi,i=...翻译 2019-03-20 16:44:10 · 301 阅读 · 0 评论 -
机器学习的数学基础之线代
参考:https://zhuanlan.zhihu.com/p/25197792概述:以计算机为工具和平台,以数据为研究对象,以学习方法为中心;是概率论、线性代数、数值计算、信息论、最优化理论和计算机科学等多个领域的交叉学科线代标量:一个单独的数,一般用小写的的变量名称表示向量:一列数,这些数是有序排列的。用过次序中的索引,我们可以确定每个单独的数。通常会赋予向量粗体的小写名称。矩阵:...翻译 2019-03-19 18:57:39 · 251 阅读 · 0 评论 -
svm清单
转载 2019-04-25 16:34:33 · 105 阅读 · 0 评论