Wendy030的博客

决策树、CART、随机森林、GBDT、XGBOOST，有关决策树引申出来的算法这里都有哦！

什么是Transformer？RNN擅长捕捉序列关系，因此它可以用于处理机器翻译模型。但翻译时句子间的单词数量并非是一一对应的，受限于结构。后来人们找到了Seq2Seq拥有一个编码器Encoder和解码器Decoder。再后来人们找到了一种称为“Attention”的注意力机制，为了解决计算慢速的问题，人们进一步找到了自注意机制，此时模型已经由原来的RNN结构演变成现在基于Self-Attention且拥有一个Encoder和一个Decoder的模型，即Transformer。

在深度学习过程中经常会涉及到张量、维度的应用，那么我在一开始理解的时候经常将这俩玩意概念混淆，所以搜索了部分博客进行理解。 首先是张量的理解，张量维度范围可以是0~5，以下是关于张量通俗理解的链接：张量的通俗理解 - 努力奋斗的阿贝拉 - 博客园也许你已经下载了TensorFlow，而且准备开始着手研究深度学习。但是你会疑惑：TensorFlow里面的Tensor，也就是“张量”，到底是个什么鬼？也许你查阅了维基百科，而且现在变得更加困惑。也https://www.cnbl...

0前言 2021.11.17-11.19我花了挺多时间在手写数字识别项目上进行了研究，看了b站视频、看了大量博客、问了前辈，感觉收获还挺多，对于一些专业名词的理解包括整个神经网络搭建也不再那么似懂非懂，反正就是有一丢丢头目了。其实在今年暑期我就接触过这个手写数字识别项目了，但是没有进行很透彻的理解，导致后期对它的印象其实是很模糊的。But！！！今时不同往日啦！所以嘞我下面就对这三天学习的知识进行小小的归纳！（其中包括一些博主的归纳我也进行简述了） 首先了解...

！！！！！学习自b站up主 积极向上的江上 的机器学习视频，所以以下为学习记录！！！！！一、代码设计思路 首先要明确的是实战中的代码要实现的目标：使用线性回归拟合坐标轴上点，达到预测效果，那么在整个线性回归过程中包含loss函数（这里可以看出线性回归和loss函数是一个包含与被包含的关系）。其实这整个过程就像高中做过的统计题（只不过在机器学习中这个过程会更严谨一点）——根据题目给出的数据选择一个函数（简单题选择线性函数如y = ax+b就能做出来,复杂题选择指数函数之类才能做出来...