yuxiao9378的博客

原创 《VISUALIZING AND UNDERSTANDING RECURRENT NETWORKS 》论文阅读笔记

本人原创，转载标明来源。1 论文主要内容循环神经网络（RNNs），特别是一种具有长短期记忆（LSTM）的变体，由于在涉及序列数据的广泛机器学习问题中的成功应用而重新引起人们的兴趣。 LSTM在实践中表现出了非常好的结果，但我们对其性能的来源和限制仍知之甚少。为了增强对LSTM的理解，论文作者使用字符级别的语言模型作为可解释试验台，分析了LSTM的表示、预测和错误类型。通过分析，本文揭示了可解释单元的存在，这些单元可跟踪长期依赖关系，例如行长，引号和括号。此外，通过与n- gram模型的全面比较，本文

原创 《机器学习》实施kNN分类算法

from numpy import *import operator def createDataSet():group = array([[1.0,1.1],[1.0,1.0],[0,0],[0,0.1]])labels = ['A','A','B','B']return group,labelsdef classify0(inX,dataSet,labels,k):dataSetSize =

原创 《机器学习》NumPy函数库基础