上一页 1 ··· 11 12 13 14 15
摘要: Github上的一个开源项目,文档讲得极清晰 Github - https://github.com/dennybritz/cnn-text-classification-tf 原文- http://www.wildml.com/2015/12/implementing-a-cnn-for-text 阅读全文
posted @ 2018-05-03 09:18 凌波微步_Arborday 阅读(517) 评论(0) 推荐(0) 编辑
摘要: http://www.wildml.com/2015/11/understanding-convolutional-neural-networks-for-nlp/ 讲CNN以及其在NLP的应用,非常深入浅出的讲法,好文,mark。 When we hear about Convolutional 阅读全文
posted @ 2018-05-02 07:59 凌波微步_Arborday 阅读(462) 评论(0) 推荐(0) 编辑
摘要: 转自:https://testerhome.com/topics/11390 我们在模型训练的时候通常会将我们所得到的数据分成三部分。 分别是training set, dev set(也叫validation set)和 test set。 在我们的模型调研过程中,他们分别起着不同的作用。trai 阅读全文
posted @ 2018-03-21 20:34 凌波微步_Arborday 阅读(373) 评论(0) 推荐(0) 编辑
摘要: 作者:Yeung Evan链接:https://www.zhihu.com/question/54082000/answer/145495695来源:知乎 在英语语境里,likelihood 和 probability 的日常使用是可以互换的,都表示对机会 (chance) 的同义替代。但在数学中, 阅读全文
posted @ 2018-02-27 07:29 凌波微步_Arborday 阅读(765) 评论(0) 推荐(0) 编辑
摘要: 算是机器学习中最简单的算法了,顾名思义是看k个近邻的类别,测试点的类别判断为k近邻里某一类点最多的,少数服从多数,要点摘录: 1. 关键参数:k值 && 距离计算方式 && 分类决策规则 2. k=1, 即只取最近点,容易过拟合,k取较大值,容易欠拟合。k值越小,模型越复杂。k = 3 or 5 w 阅读全文
posted @ 2018-02-06 08:14 凌波微步_Arborday 阅读(222) 评论(0) 推荐(0) 编辑
摘要: Github上有个哥们写的,还不错,mark一下: https://github.com/lijin-THU/notes-python/blob/master/index.ipynb 相对全面的介绍了numpy,scipy,matplotlib以及Python基础,适合小白入门扫描。 争取这周刷完。 阅读全文
posted @ 2018-01-31 07:55 凌波微步_Arborday 阅读(218) 评论(0) 推荐(0) 编辑
摘要: 直接贴代码吧: 1 # -*- coding:UTF-8 -*- 2 from sklearn import datasets 3 from sklearn.cross_validation import train_test_split 4 from sklearn import preproce 阅读全文
posted @ 2018-01-28 16:45 凌波微步_Arborday 阅读(610) 评论(0) 推荐(0) 编辑
摘要: 很久很久以前,我还是有个建筑梦的大二少年,有一天,讲图的老师看了眼我的设计图,说:“我觉得你这个设计做得很紧张”,当时我就崩溃,对紧张不紧张这样的评价标准理解无能。多年后我终于明白老师当年的意思,然鹅已经跳坑计算机系了。现在我依然对建筑系那玄幻的评价标准敬而远之,看我们大CS的评价标准,就是这么明明 阅读全文
posted @ 2018-01-28 15:23 凌波微步_Arborday 阅读(640) 评论(0) 推荐(0) 编辑
摘要: 转自:https://www.cnblogs.com/pinard/p/5970503.html 在求解机器学习算法的模型参数,即无约束优化问题时,梯度下降(Gradient Descent)是最常采用的方法之一,另一种常用的方法是最小二乘法。这里就对梯度下降法做一个完整的总结。 1. 梯度 在微积 阅读全文
posted @ 2018-01-25 09:19 凌波微步_Arborday 阅读(167) 评论(0) 推荐(0) 编辑
摘要: 官方链接:http://scikit-learn.org/dev/auto_examples/plot_missing_values.html#sphx-glr-auto-examples-plot-missing-values-py 该例程是为了说明对缺失值的随即填充训练出的estimator表现 阅读全文
posted @ 2018-01-22 08:43 凌波微步_Arborday 阅读(321) 评论(0) 推荐(0) 编辑
上一页 1 ··· 11 12 13 14 15