Blair

摘要： 官方文档 Parameters num_embeddings (int) – size of the dictionary of embeddings embedding_dim (int) – the size of each embedding vector padding_idx (int,  阅读全文

摘要： 可逆矩阵 矩阵 $A$ 为 $n$ 阶方阵，若存在 $n$ 阶矩阵 $B$ ，使得矩阵 $A、B$ 的乘积为单位阵，则称 $A$ 为可逆阵，$B$ 为 $A$ 的逆矩阵。若方阵的逆阵存在，则称为可逆矩阵或非奇异矩阵，且其逆矩阵唯一。 定义 设 $P$ 是数域， $A \in P^{n \times 阅读全文

摘要： 想要成为一名合格的 AI 工程师，并不是一件简单的事情，需要掌握各种机器学习算法。对于小白来说，入行 AI 还是比较困难的。为了让初学者更好的学习 AI，网络上出现了各种各样的学习资料，也不乏很多 AI 大牛提供免费的授课视频提供帮助。近日，来自佐治亚理工学院的理学硕士 Terence Shin 在 阅读全文

摘要： 前言 在任何有监督机器学习项目的模型构建阶段，我们训练模型的目的是从标记的示例中学习所有权重和偏差的最佳值。 如果我们使用相同的标记示例来测试我们的模型，那么这将是一个方法论错误，因为一个只会重复刚刚看到的样本标签的模型将获得完美的分数，但无法预测任何有用的东西 - 未来的数据，这种情况称为过拟合。 阅读全文

摘要： 论文题目：《GraRep: Learning Graph Representations with Global Structural Information》发表时间： CIKM论文作者： Shaosheng Cao; Wei Lu; Qiongkai Xu论文地址： DownloadGithub 阅读全文

摘要： 邻接矩阵（Adjacency） 邻接矩阵表示顶点间关系，是 n 阶方阵（n为顶点数量）。 邻接矩阵分为有向图邻接矩阵和无向图邻接矩阵。无向图邻接矩阵是对称矩阵，而有向图的邻接矩阵不一定对称。 $[A(\mathcal{G})]_{i j}=\left\{\begin{array}{l}1 \text 阅读全文

摘要： 介绍 维基百科上说，“Hyperparameter optimization或tuning是为学习算法选择一组最优的hyperparameters的问题”。 ML工作流中最困难的部分之一是为模型找到最好的超参数。ML模型的性能与超参数直接相关。超参数调优的越好，得到的模型就越好。调优超参数可能是非常 阅读全文

摘要： 1.什么是类别不平衡问题 如果不同类别的训练样例数目稍有差别，通常影响不大，但若差别很大，则会对学习过程造成困扰。例如有998个反例，但是正例只有2个，那么学习方法只需要返回一个永远将新样本预测为反例的学习器，就能达到99.8%的精度；然而这样的学习器往往没有价值，因为它不能预测出任何正例。 类别不 阅读全文

摘要： 论文信息 论文标题：Structural Deep Network Embedding论文作者：Aditya Grover;Aditya Grover; Jure Leskovec论文来源：2016, KDD论文地址：download 论文代码：download 1 Introduction 网络表 阅读全文

摘要： 样本 正样本：即属于某一类（一般是所求的那一类）的样本。在本例中是及格的学生。 负样本：即不属于这一类的样本。在本例中是不及格的学生。 y_pred = [0, 0, 0, 0, 0, 0, 1, 1, 1, 1] y_true = [0, 0, 0, 0, 1, 1, 1, 1, 0, 0] 上述 阅读全文