- 博客(9)
- 资源 (2)
- 收藏
- 关注
RSS订阅转载 Tensorflow 中的embedding_lookup详解
本文将通俗的进行解释embedding_lookup( )的用法 首先看一段简单代码：#!/usr/bin/env/python# coding=utf-8import tensorflow as tfimport numpy as npinput_ids = tf.placeholder(dtype=tf.int32, shape=[None])embedding = t...
2018-07-30 08:38:19
2204
原创 python Counter
Counter 集成于 dict 类，因此也可以使用字典的方法，此类返回一个以元素为 key 、元素个数为 value 的 Counter 对象集合
2018-07-16 15:34:36
416
转载 softmax 函数求导
softmax 函数softmax(柔性最大值)函数，一般在神经网络中， softmax可以作为分类任务的输出层。其实可以认为softmax输出的是几个类别选择的概率，比如我有一个分类任务，要分为三个类，softmax函数可以根据它们相对的大小，输出三个类别选取的概率，并且概率和为1。softmax函数的公式是这种形式：S_i代表的是第i个神经元的输出。ok，其实就是在输出后面套一个这个函数，在推...
2018-07-13 09:23:38
1453
原创 机器学习-随机梯度下降
一、符号解释M 训练样本的数量x 输入变量，又称特征y 输出变量，又称目标(x, y) 训练样本，对应监督学习的输入和输出表示第i组的x 表示第i组的yh(x)表示对应算法的函数是算法中的重要参数（向量）表示参数为的函数，以下考虑线性回归，所以表述为：二、梯度下降算法用表示函数计算输出的结果，用y表示期望的输出值则-y表示误差，若我们有m组训练样本，在训练过程中，我们希望误差越小越好，所以来...
2018-07-12 09:53:54
237
原创 【LeetCode】将有序数组转换为二叉搜索树 【python】
将一个按照升序排列的有序数组，转换为一棵高度平衡二叉搜索树。本题中，一个高度平衡二叉树是指一个二叉树每个节点 的左右两个子树的高度差的绝对值不超过 1。示例:给定有序数组: [-10,-3,0,5,9],一个可能的答案是：[0,-3,9,-10,null,5]，它可以表示下面这个高度平衡二叉搜索树： 0 / \ -3 9 / / -10 5# D...
2018-07-02 20:12:56
1906
5
原创 LeetCode 反转链表【python】
反转一个单链表。示例:输入: 1->2->3->4->5->NULL输出: 5->4->3->2->1->NULL进阶:你可以迭代或递归地反转链表。你能否用两种方法解决这道题？# Definition for singly-linked list.# class ListNode:# def __init__(self, x):...
2018-07-02 17:06:47
1019
原创 【LeetCode】反转整数
给定一个 32 位有符号整数，将整数中的数字进行反转。示例 1:输入: 123输出: 321 示例 2:输入: -123输出: -321示例 3:输入: 120输出: 21注意:假设我们的环境只能存储 32 位有符号整数，其数值范围是 [−231, 231 − 1]。根据这个假设，如果反转后的整数溢出，则返回 0。class Solution: def reverse(se...
2018-07-02 07:43:09
225
原创 LeetCode 答案
给定一个整数数组和一个目标值，找出数组中和为目标值的两个数。你可以假设每个输入只对应一种答案，且同样的元素不能被重复利用。示例:给定 nums = [2, 7, 11, 15], target = 9因为 nums[0] + nums[1] = 2 + 7 = 9所以返回 [0, 1]class Solution: def twoSum(self, nums, target): ...
2018-07-01 20:03:09
473
转载 机器学习数据不均衡问题（转载）
在机器学习任务中，我们经常会遇到这种困扰：数据不平衡问题。 数据不平衡问题主要存在于有监督机器学习任务中。当遇到不平衡数据时，以总体分类准确率为学习目标的传统分类算法会过多地关注多数类，从而使得少数类样本的分类性能下降。绝大多数常见的机器学习算法对于不平衡数据集都不能很好地工作。 本文介绍几种有效的解决数据不平衡情况下有效训练有监督算法的思路：1、重新采样训练集 ...
2018-06-04 10:50:31
1165
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人