Adam婷
笔者在人工智能/机器学习领域中默默探索,时而迷惘,时而欣喜。
展开
-
多智能体强化学习:Learning to Cooperate, Compete, and Communicate
Multiagent environments where agents compete for resources are stepping stones on the path to AGI. Multiagent environments have two useful properties: first, there is a natural curriculum—the difficulty of the environment is determined by the skill of your原创 2020-09-28 17:06:07 · 1412 阅读 · 2 评论 -
深度学习的正则化技术综述附python代码
Introduction数据科学专业人员面临的最常见问题之一是避免过度拟合。 您是否遇到过您的模型在训练数据上表现异常但无法预测测试数据的情况。 或者你在公共排行榜的竞争中处于领先地位,但在最终排名中只有数百个名额? 好吧 - 这是给你的文章!避免过度拟合可以单独提高我们模型的性能。在本文中,我们将理解过度拟合的概念以及正则化如何帮助克服同一问题。 然后,我们将研究一些不同的正则化技术,并...原创 2019-04-25 07:27:48 · 473 阅读 · 2 评论 -
从机器学习Hikeathon获得解决方案和方法:特征工程首选
Introduction我们发现自己在机器学习中使用表格数据的时间占90-95%。 在机器学习黑客马拉松中,这个数字甚至更高。 你还记得上一次你在做一个你想过的挑战吗 - “我之前没见过这种数据!”使用图表数据是一项独特的挑战。 这就是为什么我们很高兴上个月与Hike合作主持ML Hikeathon。 我们的社区也喜欢它 - 来自世界各地的5300多名数据科学家参加了为期9天的活动!通过参与...原创 2019-05-05 15:19:05 · 216 阅读 · 0 评论 -
AdamTechLouis's talk: Deep Learning with Knowledge Graphs
Last week I gave a talk at Connected Data London on the approach that we have developed at Octavian to use neural networks to perform tasks on knowledge graphs.Here’s the recording of the talk, from ...原创 2019-06-03 07:56:35 · 334 阅读 · 0 评论 -
AdamTechLouis's talk: The Beginner’s Guide to Google’s Knowledge Graphis
Google is building the largest warehouse of knowledge in human history – and it’s doing it with your help.Authoritative sites, such as Wikipedia, CIA World Factbook and Freebase are all sources used...原创 2019-06-03 09:14:46 · 855 阅读 · 0 评论 -
AdamTechLouis's talk:Deep Learning on Graphs.
IntroductionWe are in the process of defining a new way of doing machine learning, focusing on a new paradigm, the data fabric.In the past article I gave my new definition of machine learning:Mac...原创 2019-06-03 10:24:13 · 397 阅读 · 0 评论 -
AdamTechLouis's talk:Deep Learning approaches to understand Human Reasoning
For a doctor who is using Deep Learning to find whether the patient has multiple sclerosis, it is not at all good to get a yes or no answer from the model. For a safety critical application such as a...原创 2019-06-03 15:03:04 · 456 阅读 · 0 评论 -
强化学习代码研读
Tensorflow——占位符我们通过为输入图像和目标输出类别创建节点,来开始构建计算图。x = tf.placeholder("float", shape=[None, 784])y = tf.placeholder("float", shape=[None, 10])这里的x和y并不是特定的值,相反,他们都只是一个占位符,可以在TensorFlow运行某一计算时根据该占位符输入具体的...原创 2019-06-10 09:07:53 · 401 阅读 · 0 评论 -
现代博弈论与多智能体强化学习系统
如今,大多数人工智能(AI)系统都是基于处理任务的单个代理,或者在对抗模型的情况下,是一些相互竞争以改善系统整体行为的代理。然而,现实世界中的许多认知问题是大群人建立的知识的结果。以自动驾驶汽车场景为例,任何座席的决策都是场景中许多其他座席行为的结果。金融市场或经济中的许多情景也是大型实体之间协调行动的结果。我们如何模仿人工智能(AI)代理中的行为?多智能体强化学习(MARL)是深度学习学科,...原创 2019-06-22 17:50:30 · 4793 阅读 · 1 评论 -
数据科学统计:中心极限定理简介(用R语言实现)
Introduction什么是统计数据中最重要和最核心的概念之一,它使我们能够进行预测建模,但它常常让有抱负的数据科学家感到困惑? 是的,我在谈论中心极限定理。这是一个强大的统计概念,每个数据科学家都必须知道。 现在,为什么呢?好吧,中心极限定理(CLT)是假设检验的核心 - 这是数据科学生命周期的关键组成部分。 这是正确的,让我们探索我们获得的数据的巨大可能性的想法来自CLT。 这实际上是...原创 2019-05-04 23:00:14 · 4773 阅读 · 1 评论 -
每个数据科学家必须知道的5个深度学习框架!
IntroductionI have been a programmer since before I can remember. I enjoy writing codes from scratch – this helps me understand that topic (or technique) clearly. This approach is especially helpful ...原创 2019-04-19 00:23:07 · 1250 阅读 · 0 评论 -
Understanding Confusion Matrix
当我们获得数据时,在数据清理,预处理和争论之后,我们要做的第一步是将其提供给一个出色的模型,当然,还要获得概率输出。 但坚持下去! 我们如何能够衡量模型的有效性。 更好的效果,更好的性能,这正是我们想要的。 而这正是混乱矩阵引人注目的地方。 混淆矩阵是机器学习分类的性能测量。这个博客旨在回答以下问题:1,混淆矩阵是什么以及为什么需要它?2,如何计算2类分类问题的混淆矩阵?今天,让...翻译 2019-03-21 11:33:55 · 313 阅读 · 0 评论 -
It’s Only Natural: An Excessively Deep Dive Into Natural Gradient Optimization
I’m going to tell a story: one you’ve almost certainly heard before, but with a different emphasis than you’re used to.To a first (order) approximation, all modern deep learning models are trained us...翻译 2019-03-21 11:45:57 · 286 阅读 · 0 评论 -
Introduction to Ensembling/Stacking
IntroductionThis notebook is a very basic and simple introductory primer to the method of ensembling (combining) base learning models, in particular the variant of ensembling known as Stacking. In a ...原创 2019-04-15 22:58:55 · 473 阅读 · 0 评论 -
XGBoost Algorithm: Long May She Reign!
XGBoost Algorithm: Long May She Reign!统治世界的机器学习算法的新王子…我还记得十五年前我第一份工作的第一天。 我刚完成研究生课程,并以分析师的身份加入了一家全球投资银行。 在我的第一天,我一直拉直领带,并试着记住我学过的一切。 与此同时,在内心深处,我想知道我是否对企业界足够好。 感觉到我的焦虑,我的老板微笑着说:“别担心! 你唯一需要知道的就是回归模...翻译 2019-04-13 20:30:40 · 624 阅读 · 0 评论 -
深度学习涂鸦! 我们的草图识别之旅
Doodling with Deep Learning!Our Journey with Sketch recognitionIn this blog post, we describe our process understanding, fitting models on, and finding a fun application of the Google Quick, Draw! d...原创 2019-04-13 21:02:25 · 3344 阅读 · 3 评论 -
使用UNET理解语义分割
A Salt Identification Case StudyTable of Contents:IntroductionPrerequisitesWhat is Semantic Segmentation?ApplicationsBusiness ProblemUnderstanding the dataUnderstanding Convolution, Max Pooli...翻译 2019-04-16 22:39:03 · 5842 阅读 · 1 评论 -
Weight Initialization in Neural Networks: A Journey From the Basics to Kaiming
我想邀请您加入我的探索,通过不同的方法初始化神经网络中的图层权重。 通过各种简短的实验和思想练习,我们将逐步发现为什么在训练深度神经网络时足够的重量初始化非常重要。 在此过程中,我们将介绍研究人员多年来提出的各种方法,并最终深入研究最适合您最有可能使用的当代网络架构的方法。接下来的例子来自我自己重新实现的一套笔记本,Jeremy Howard在最新版本的fast.ai的深度学习第二部分课程中介绍...原创 2019-04-18 01:08:45 · 283 阅读 · 0 评论 -
强化学习指南:用Python解决Multi-Armed Bandit问题
Introduction你在镇上有一个最喜欢的咖啡馆吗? 当你想喝咖啡时,你可能会去这个地方,因为你几乎可以肯定你会得到最好的咖啡。 但这意味着你错过了这个地方的跨城镇竞争对手所提供的咖啡。如果你一个接一个地尝试所有咖啡的地方,品尝你生活中更糟糕的咖啡的可能性会非常高! 但话说回来,你有可能找到一个更好的咖啡酿造者。 但是所有这些与强化学习有什么关系呢?我很高兴你问。我们的咖啡品尝实验中的...原创 2019-04-28 08:42:46 · 4121 阅读 · 2 评论 -
Understanding AUC - ROC Curve
在机器学习中,性能测量是一项重要任务。 因此,当涉及到分类问题时,我们可以依靠AUC - ROC曲线。 当我们需要检查或可视化多类分类问题的性能时,我们使用AUC(曲线下面积)ROC(接收器操作特性)曲线。 它是检查任何分类模型性能的最重要的评估指标之一。 它也被写为AUROC(接收器工作特性下的区域)本博客旨在回答以下问题:1.什么是AUC - ROC曲线?2.定义AUC和ROC...原创 2019-03-21 11:21:01 · 337 阅读 · 0 评论