机器学习
圣诞老人家
这个作者很懒,什么都没留下…
展开
-
生成式模型vs判别式模型
1.模型差别生成式模型:由数据学习联合概率分布P(X,Y), 然后由P(Y|X)=P(X,Y)/P(X)求出概率分布P(Y|X)作为预测的模型。该方法表示了给定输入X与产生输出Y的生成关系判别式模型:由数据直接学习决策函数Y=f(X)或条件概率分布P(Y|X)作为预测模型,即判别模型。判别方法关心的是对于给定的输入X,应该预测什么样的输出Y。2.模型对比(1)生成模型可以还原出联合...原创 2020-02-06 11:18:16 · 581 阅读 · 0 评论 -
Greedy search 和 beam search
1 Greedy search一个自然的想法是贪心搜索(greedy search),即decoder的每一步都选择最可能的单词,最后得到句子的每一个单词都是每一步认为最合适的单词。但这样并不保证整个句子的概率是最大的,即不能保证整个句子最合适。实际上,贪心搜索的每一步搜索都处理成仅仅与前面刚生成的一个单词相关,类似于马尔科夫假设。这显然是不合理的,具体来说,贪心搜索到的句子yy概率是使得下式...原创 2019-10-30 22:27:43 · 931 阅读 · 0 评论 -
numpy 中newaxis函数
x1[:,np.newaxis]:增维,转置从字面上是插入新的维度的意思demo1: 针对一维的情况>>> b = np.array([1, 2, 3, 4, 5, 6])>>> b[np.newaxis]array([[1, 2, 3, 4, 5, 6]])>>> c = b[np.newaxis] #equals...原创 2019-07-03 09:46:16 · 1192 阅读 · 0 评论 -
一元线性回归实战
一:算法具体实现import numpy as npimport matplotlib.pyplot as pltdata=np.genfromtxt("data.csv",delimiter=",")x_data=data[:,0]y_data=data[:,1]plt.scatter(x_data,y_data)plt.show()lr=0.01b=0k=0epoch...原创 2019-07-03 10:18:35 · 174 阅读 · 0 评论 -
多元线性回归实战(二元)
一:算法具体实现import numpy as npimport matplotlib.pyplot as pltfrom mpl_toolkits.mplot3d import Axes3Ddata=np.genfromtxt("data1.csv",delimiter=",")x_data=data[:,:-1]y_data=data[:,-1]lr=0.0001k1=k2...原创 2019-07-03 11:59:30 · 2410 阅读 · 0 评论