![](https://img-blog.csdnimg.cn/20201014180756757.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
AI
zaichuanguanshui
这个作者很懒,什么都没留下…
展开
-
数据挖掘竞赛,算法刷题网址汇总
数据竞赛类网站 Kaggle阿里巴巴天池大数据比赛DataCastleCCF大数据与计算智能大赛Di-Tech算法大赛KDD-CupKDnuggets Competition全国高校云计算应用创新大赛Byte Cup国际机器学习竞赛WID数据竞赛数据火车竞赛网站DrivenData Competition上海SODA大赛赛氪网TopCoder大赛网 数据科学&机器学习的在线学习转载 2018-01-12 17:56:26 · 6480 阅读 · 0 评论 -
5个步骤 & 7个提示 | 一份开启Kaggle竞赛征途的初学者指南
对于机器学习入门而言,我们一般都是从手写体MNIST、CIFAR-10等一些公开的数据集快速上手,复现别人的模型并得到一些好的结果。由于别人给出了相关的模型及步骤,做完这些复现总觉得太简单而没有收获,这是因为这些数据集及给出的模型都非常的完美。针对自己特定任务和数据集而言,数据集处理起来相当困难或者搭建的模型效果不好,让初学者不禁陷入沉思,是我们太菜了吗? 答案是肯定而又残酷的,但不转载 2018-02-05 11:55:09 · 280 阅读 · 0 评论 -
深度学习——线性代数
一、标量、向量、矩阵、张量 1、标量:一个数 2、向量:一列有序数 3、矩阵:一列向量 二维数组 4、张量 多维数组 二、矩阵和向量相乘 对应行列的点积 三、单位矩阵和逆矩阵 1、单位矩阵 主对角线为元素全为1,其他元素都为0 2、逆矩阵 AB=I,B是A的逆矩阵 四、范数 衡量向量大小,将向量映射到非负值的函数 L2范数,称为欧几里得范数,表示从原点到x到欧几里得...原创 2019-01-31 16:53:26 · 399 阅读 · 0 评论 -
深度学习——概率与信息论
概率论的AI应用:概率告诉我们AI如何推理 从理论上分析AI系统的行为 一、为什么使用概率 1、使用概率论量化不确定性 2、不确定性的三种可能来源 建模系统中的随机性 不完全观测 不完全建模 二、随机变量 1、随机变量:可以随机取不同值。可以是离散的或者连续的 三、概率分布 1、描述随机变量获取到可能状态的可能性大小 ...原创 2019-01-31 18:25:32 · 431 阅读 · 0 评论 -
香农熵
在1948年,Glaude Shannon发表了文章《A Mathematical Theory of Communication》首次提出了革命性的概念“信息熵”。 物理中的熵 熵也是物理中的一个概念。简单来说,如果一个系统中的粒子在运动过程中有很多可能的位置,那么这个系统具有比较高的熵值,反之,如果系统中的粒子处于静止状态(粒子的位置相对固定),则系统具有很低的熵值。 例如,水有三种状态...转载 2019-01-31 18:26:09 · 675 阅读 · 0 评论