![](https://img-blog.csdnimg.cn/564dad7f6bbf44869eb52382d894852e.jpg?x-oss-process=image/resize,m_fixed,h_224,w_224)
机器学习 基础概念和算法详解
文章平均质量分 83
由浅入深,解放思路,共同学习,感谢关注,多多包涵!
白白净净吃了没病
这个作者很懒,什么都没留下…
展开
-
HyTE 模型复现可能遇到的问题及解决办法
时序知识图谱嵌入模型 HyTE,在复现时可能遇到的问题及解决办法原创 2022-10-13 11:46:52 · 941 阅读 · 2 评论 -
ID3 决策树的原理、构造及可视化(附完整源代码)
【2022.10】ID3 决策树的原理、构造及可视化(附完整源代码)原创 2022-10-05 13:00:46 · 5700 阅读 · 1 评论 -
(决策树中的)信息熵和样本分类的信息熵计算源代码
本文包含(决策树)中的信息熵和实现源码,以及极为详细的注释和说明原创 2022-10-04 11:22:36 · 1714 阅读 · 0 评论 -
论文的绘图(一):使用 Python 的 Matplotlib 库
使用 Python 的 Matplotlib 库 为论文作图原创 2022-10-01 23:36:08 · 901 阅读 · 0 评论 -
Rescal 和 Distmult,知识图谱嵌入(KGE)论文阅读
Rescal 模型主要思想:三维张量分解张量是多维数组,其中零阶张量是标量(scalar),一阶张量是一个向量(vector),二阶的张量是矩阵(matrix),三阶及三阶以上的就是我们通常所说的张量,也叫高阶张量。数据的的维度被称为张量的阶。它可以看成是向量和矩阵在多维空间中的推广。如下图定义一个的三维张量,m 代表关系数,n 代表实体数每个关系对应于 张量(三维) 中的一个 切片(二维),即一个矩阵,其实相当于表示图的邻接矩阵,存储各对实体是否有这样的关系...原创 2022-02-19 12:29:57 · 7434 阅读 · 0 评论 -
TransX 系列,知识图谱嵌入(KGE)论文阅读
最近在看关于知识图谱嵌入(KGE)的文章,个人能力有限,希望大家在评论区多提问题,我会及时关注和回复,修改完善对本篇论文的理解,同时,诚恳希望大家多提建议,多批评,多交流....原创 2022-02-08 15:26:27 · 1185 阅读 · 0 评论 -
TransE,知识图谱嵌入(KGE)论文精读
最近在看关于知识图谱嵌入(KGE)的文章,个人能力有限,希望大家在评论区多提问题,我会及时关注和回复,修改完善对本篇论文的理解,同时,诚恳希望大家多提建议,多批评,多交流....原创 2022-02-05 19:15:27 · 4300 阅读 · 13 评论 -
CUDA编程|并行计算(一)
本文详细介绍了GPU的结构与并行的原理原创 2021-12-11 12:33:13 · 1289 阅读 · 0 评论 -
CUDA编程|并行计算(二)
本文详细介绍了CUDA的安装和Visual studio 2019的相关配置原创 2021-12-11 12:26:21 · 404 阅读 · 0 评论 -
机器学习【期末复习总结】——知识点和算法例题(详细整理)
【电子科技大学、机器学习课程】(期末复习、知识点和算法例题、详细总结)原创 2021-12-08 19:19:15 · 40296 阅读 · 12 评论 -
从神经网络(BP算法及传播过程的实例分析)到深度学习 (二)
BP算法的推导分析和实现过程【参考:周志华教授的西瓜书,李沐等的《动手学深度学习》,电科大张栗粽老师的课件;[Poll的笔记](https://www.cnblogs.com/maybe2030/p/5597716.html);[BP算法详解](https://www.cnblogs.com/duanhx/p/9655213.html);[AI从入门到放弃:BP神经网络算法推导及代码实现笔记](http://baijiahao.baidu.com/s?id=1603526007545961785&a原创 2021-11-26 07:00:00 · 1017 阅读 · 0 评论 -
从神经网络(神经元模型、感知机与多层网络)到深度学习 (一)
神经元模型、感知机与多层网络说明:【参考:周志华教授的西瓜书,电科大张栗粽老师的课件,B站白板推导系列(https://www.bilibili.com/video/BV1aE411o7qd?p=130)】【说明:个人学习心得,仅供参考】下边是一张从感知机到深度学习的发展图:(截图于白板推导系列视频)引入:“神经网络是由具有适应性的简单单元组成的广泛并行互联的网络, 能够模拟生物神经系统对真实世界物体所作出的反应”神经元模型即上述定义中的“简单单元”,是神经网络的基本单位感知机由两层原创 2021-11-19 18:44:17 · 1072 阅读 · 0 评论 -
深度学习 PyTorch 学习入门(一)
深度学习前言:本小白从0开始,决心通过各种视频和资料的学习和实践,经过不断总结和反思,尽快入门,把自己的水平切实提高,同时给大家分享这一路的历程,共同收获!深度学习: 机器学习的一个分支,是一种以人工神经网络为架构,对数据进行特征学习的算法深度学习和机器学习的区别:(推荐两文详细了解:Article 1,Article 2)特征抽取:机器学习是人工的特征抽取深度学习是自动的进行特征抽取数据量机器学习数据少,效果相对差,深度学习多,深度学习参数多,需要大量调整,效果也更好深度学习应用场景原创 2021-10-15 23:40:28 · 338 阅读 · 0 评论 -
机器学习 支持向量机(SVM) 学习入门 (一)
支持向量机(SVM)三大件:间隔,对偶,核技巧支持向量机(SVM)的基本型(摘自西瓜书P123):思想:SVM试图找出一个决策边界,让距离两个类别最近的样本最远,这个边界可以是线也可以是超平面由此可知:支持向量("2."中介绍)到超平面的距离为 d,其他点到超平面的距离都要不小于 d(这句话要好好体会,有助于理解支持向量)说明:1.下边的所有公式实际应写成xi,yi比较好,(xi,yi)代表样本集中的所有样本点,大家理解即可2.在写的时候的分析是基于样本集D={(x1,y1),(x2,y2)原创 2021-10-15 23:21:09 · 520 阅读 · 0 评论 -
机器学习 鸢尾花分类的原理和实现(三)
前言:鸢尾花数据集是机器学习中的经典小规模数据集。通过如下实验,查阅资料和视频进行学习,将整个实验的学习心得和实验过程作出分享,希望对喜爱机器学习并入门的新手提供帮助,同时也鞭策自己稳步向前。本文主要从“实验前期的基本功课,实验过程的重要实现,实验结束的学习总结”三部分进行编写,限于文章篇幅,后续内容将在后边的博文中更新,大家可自行对应阅读:(实验前期的基本功课点击这里跳转至本专栏查看前两篇博文)(二)实验过程的重要实现:KNN算法API: 官方说明请点击这里进入,不过都是英文,推荐一篇博客,点击原创 2021-10-07 15:24:59 · 1283 阅读 · 0 评论 -
机器学习 鸢尾花分类的原理和实现(二)
前言:鸢尾花数据集是机器学习中的经典小规模数据集。通过如下实验,查阅资料和视频进行学习,将整个实验的学习心得和实验过程作出分享,希望对喜爱机器学习并入门的新手提供帮助,同时也鞭策自己稳步向前。== 本文主要从“实验前期的基本功课,实验过程的重要实现,实验结束的学习总结”三部分进行编写,限于文章篇幅,后续内容将在后边的博文中更新,大家可自行对应阅读:==(实验的内容要求和相关介绍点击这里跳转至第一篇博文)(一)实验前期的基本功课:数据集的划分:机器学习一般的数据集合会划分为两个部分,训练集S和测原创 2021-09-30 22:30:26 · 2111 阅读 · 1 评论 -
机器学习 鸢尾花分类的原理和实现(一)
鸢尾花数据集是机器学习中的经典小规模数据集。通过查阅资料和视频进行学习,将整个实验的学习心得和实验过程分享,希望对喜爱机器学习并入门的新手提供帮助,同时也鞭策自己稳步向前。本文主要分为“实验前期的知识储备,实验过程的重要实现,实验结束的学习总结”三部分,限于文章篇幅,后两部分内容将在后边的博文中更新...原创 2021-09-29 16:04:13 · 16907 阅读 · 18 评论 -
机器学习 常用算法(一. K-近邻算法)
K-紧邻算法定义:如果一个样本在特征空间中的K个最相似(即特征空间中最邻近)的样本的大多数属于某一个类别,则这样本也属于这个类别。通俗定义:通过邻居来判断自己的类别是什么。例如不知道自己的位置的时候,看距离自己最近的大多数人来判定。因而,可知这个算法属于分类算法。引入概念:欧式距离(Euclidean distance):两个样本的距离可以通过以下公式计算,这种距离叫欧式距离。下边分别是二维和三维空间中欧氏距离的定义:n维空间中点A(x11,x12,…x1n)与B(x21,x22,…x2n)原创 2021-09-28 09:03:23 · 682 阅读 · 0 评论