机器学习
文章平均质量分 90
机器学习相关知识
俺也好骚
我爱科研
展开
-
RNN之LSTM解析
先简单回顾一下RNN的相关知识RNN之所以称为循环神经网络,是因为一个序列当前的输出与前面的输出也有关。具体的表现形式为网络会对前面的信息进行记忆并应用于当前输出的计算中,即隐藏层之间的节点不再无连接而是有连接的,并且隐藏层的输入不仅包括输入层的输出还包括上一时刻隐藏层的输出。(1)将先前隐藏状态传递给序列的下一步,其中隐藏状态作为神经网络记忆,其包含相关网络已处理数据的信息;(2)神经元获得输入及先前隐藏状态;(3)根据当前输入及先前隐藏状态计算出当前隐藏状态。RNN中的每个cell是如何计原创 2021-03-16 00:21:38 · 1227 阅读 · 0 评论 -
中心性算法 (Centrality Algorithms)
中心性(Centrality)是社交网络分析(Social network analysis, SNA)中用以衡量网络中一个点或者一个人在整个网络中接近中心程度的一个概念,这个程度用数字来表示就被称作为中心度。也就是说,通过了解一个节点的中心性,从而判断这个节点在网络中所占据的重要性。在图论和网络分析中,中心性指标可确定图中的最重要节点。 其应用包括识别社交网络中最有影响力的人,互联网或城市网络中的关键基础设施节点以及疾病的超级传播者。中心性算法主要用于识别图中特定节点的角色及其对网络的影响。对于节点原创 2021-03-15 21:12:14 · 7518 阅读 · 1 评论 -
Micro-F1 与 Macro-F1
1. Precision和Recall的计算名称含义TP(True Positive)真阳性:预测为正,实际为正FP(False Positive)假阳性:预测为正,实际为负TN(True Negative)真阴性:预测为负,实际为负FN(False Negative)假阴性:预测为负,实际为正(1)Precision(精确率):被认为正的样本中,实际上有多少是正的。Precision=TPTP+FP.{\rm Precision}=\frac {\r原创 2020-11-05 16:51:19 · 1990 阅读 · 0 评论 -
浅谈SPEAR算法
SPEAR算法参考文献:SPEAR: Spamming-Resistant Expertise Analysis and Ranking in Collaborative Tagging Systems、[三个算法:PageRank,HITS,SPEAR]1.背景网络用户将他们喜欢的资源(如书签和数码照片)上传到系统,并为资源分配描述性关键字(通常称为标签),以便将其分类或与其他用户共享。标记是为了组织和共享目的而将标签分配给在线资源的行为,它基于使用描述性关键字来描述和索引资源的简单想法。这种标记的原创 2020-08-30 23:00:13 · 511 阅读 · 0 评论 -
浅谈HITS算法
HITS算法参考文献:HITS算法–从原理到实现、链接分析算法之 HITS算法、链接挖掘算法之PageRank算法和HITS算法、什么是HITS算法|集智百科、还是建议阅读一下最初始的论文:Authoritative sources in a hyperlinked environment1、关于HITSHITS全称为Hyperlink-Induced Topic Search。在HITS算法中,每个页面被赋予两个属性:Hub属性和Authority属性。具有上述两种属性的网页分为两种:Hub页面原创 2020-08-30 22:52:01 · 3005 阅读 · 0 评论 -
关于PageRank算法的一些整理
关于PageRank算法参考文献1、PageRank算法这个视频真的很不错,浅显易懂。1、算法中心思想(1)数量假设:在网页模型图中,一个网页接收到的其他网页指向的入链(in-links)越多,说明该网页越重要。(2)质量假设:当一个质量高的网页指向(out-links)一个网页,说明这个被指向的网页质量也高。可以这样类比:在一次投票过程中,得票数多的人,其声望排名肯定相对较高;此外,被声望较高的人投票的人,说明其声望排名也较高。2、算法和公式PR(a)i+1=∑i=0nPR(Ti)原创 2020-08-25 16:38:03 · 488 阅读 · 0 评论