随笔分类 -  Machine Learning

机器学习相关
摘要:前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-17 14:52 Holy炭 阅读(1059) 评论(0) 推荐(1) 编辑
摘要:前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-14 17:16 Holy炭 阅读(1649) 评论(0) 推荐(0) 编辑
摘要:前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-13 14:17 Holy炭 阅读(1480) 评论(0) 推荐(0) 编辑
摘要:前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-06-12 14:09 Holy炭 阅读(1686) 评论(0) 推荐(0) 编辑
摘要:介绍 本系列教程基本就是搬运《Python机器学习基础教程》里面的实例。 Github仓库 使用 "jupyternote book" 是一个很好的快速构建代码的选择,本系列教程都能在我的Github仓库找到对应的 jupyter notebook 。 Github仓库:https://github 阅读全文
posted @ 2019-05-06 15:35 Holy炭 阅读(4900) 评论(0) 推荐(0) 编辑
摘要:前言 本系列教程基本就是摘抄《Python机器学习基础教程》中的例子内容。 为了便于跟踪和学习,本系列教程在Github上提供了jupyter notebook 版本: Github仓库:https://github.com/Holy Shine/Introduciton 2 ML with Pyt 阅读全文
posted @ 2019-05-06 15:26 Holy炭 阅读(8890) 评论(0) 推荐(0) 编辑
摘要:前言 本系列教程为pytorch官网文档翻译。本文对应官网地址: "https://pytorch.org/tutorials/intermediate/seq2seq_translation_tutorial.html" 系列教程总目录传送门: "我是一个传送门" 本系列教程对应的 jupyter 阅读全文
posted @ 2018-10-25 16:38 Holy炭 阅读(10116) 评论(8) 推荐(0) 编辑
摘要:前言 本系列教程为pytorch官网文档翻译。本文对应官网地址: "https://pytorch.org/tutorials/intermediate/char_rnn_generation_tutorial.html" 系列教程总目录传送门: "我是一个传送门" 本系列教程对应的 jupyter 阅读全文
posted @ 2018-10-24 20:14 Holy炭 阅读(1439) 评论(0) 推荐(0) 编辑
摘要:前言 本系列教程为pytorch官网文档翻译。本文对应官网地址: "https://pytorch.org/tutorials/intermediate/char_rnn_classification_tutorial.html" 系列教程总目录传送门: "我是一个传送门" 本系列教程对应的 jup 阅读全文
posted @ 2018-10-24 16:46 Holy炭 阅读(2107) 评论(0) 推荐(1) 编辑
摘要:介绍 不久前Pytorch发布了1.0版本,官网的doc页也更新了。这里说下官网的教程很实用,边学pytorch搭网络边学NLP 图像等领域的先进技术。 官网的教程都是英文的,本人就用这个系列博客做个小小的翻译工作,希望能帮到一些英语苦手(当然也包括双开谷歌翻译的我Orz)的小伙伴学习pytorch 阅读全文
posted @ 2018-10-24 16:26 Holy炭 阅读(1544) 评论(0) 推荐(0) 编辑
摘要:1. 决策树概览 对于一个具有多个属性的数据集,决策树根据某种划分决策,依据某个离散属性对数据集进行划分,形成子集,之后递归地对子集进行划分,直到子集均属于某一类别,或是在某个容忍度下属于某种类比。 假设有样本集合 D,它有如下属性: m 个样本 属性集合 A 具有 n 个离散属性 阅读全文
posted @ 2018-05-31 21:12 Holy炭 阅读(694) 评论(0) 推荐(0) 编辑
摘要:目前集成学习(Ensemble Learning) 分为两类: 个体学习器间存在强依赖关系、必须串行化生成的序列化方法:Boosting 个体学习器间不存在强依赖关系,可同时生成的并行化方法:Bagging 和 随机森林 这里先来讲下代表Boosting家族的AdaBoost。 Boosting 是 阅读全文
posted @ 2018-05-28 18:40 Holy炭 阅读(670) 评论(0) 推荐(0) 编辑
摘要:1. 线性SVM 对两类点的划分问题,这里对比下逻辑回归和SVM的区别: 逻辑回归的思想是,将所有点到决策平面的距离作为损失来进行训练,目标是到决策平面的距离和最小 SVM的思想是,只关注支持向量(图中圈出的点)到决策平面的距离,最大化这个距离。 对于所有样本点 $\{(x_i,y_i)\}, i 阅读全文
posted @ 2018-05-26 10:38 Holy炭 阅读(767) 评论(0) 推荐(0) 编辑
摘要:1. 参数VS非参数 给定样本集 (xi,yi),i=1,2,,n,其中 xi 表示特征向量, yi 表示样本标签。 考虑一个新的向量 x,要将他分类到可选分类 C1,C2,,Cc中 。 方法: 参数的 非参数的 1.1 参 阅读全文
posted @ 2018-04-07 11:26 Holy炭 阅读(730) 评论(0) 推荐(0) 编辑
摘要:1. Bayes Rule 贝叶斯公式: p(ω|x)=p(x|ω)p(ω)p(x) 2. Bayes Error Rate 对于贝叶斯分类器: if $p(\omega_1|x) p(\omega_2|x), \textrm{ decid 阅读全文
posted @ 2018-04-05 16:20 Holy炭 阅读(1151) 评论(0) 推荐(1) 编辑
摘要:本文翻译自 "www.tensorflow.org" 的英文教程。 模块包含一组类,可以让你轻松加载数据,操作数据并将其输入到模型中。本文通过两个简单的例子来介绍这个API 从内存中的numpy数组读取数据。 从csv文件中读取行 基本输入 对于刚开始使用 ,从数组中提取切片(slices)是最简单 阅读全文
posted @ 2018-03-29 23:39 Holy炭 阅读(9265) 评论(0) 推荐(0) 编辑
摘要:本文整理自知乎专栏 "深度炼丹" ,转载请征求原作者同意。 本文的全部代码都在原作者GitHub仓库 "github" CS20SI是Stanford大学开设的基于Tensorflow的深度学习研究课程。 TensorFlow中的Linear Regression 我们用tensorflow实现一个 阅读全文
posted @ 2018-03-26 21:24 Holy炭 阅读(290) 评论(0) 推荐(0) 编辑
摘要:本文整理自知乎专栏 "深度炼丹" ,转载请征求原作者同意。 本文的全部代码都在原作者GitHub仓库 "github" CS20SI是Stanford大学开设的基于Tensorflow的深度学习研究课程。 TensorBoard可视化 安装TensorFlow的时候TensorBoard自动安装,使 阅读全文
posted @ 2018-03-26 20:33 Holy炭 阅读(446) 评论(0) 推荐(0) 编辑
摘要:本文整理自知乎专栏 "深度炼丹" ,转载请征求原作者同意。 本文的全部代码都在原作者GitHub仓库 "github" CS20SI是Stanford大学开设的基于Tensorflow的深度学习研究课程。 什么是TensorFlow 使用数据流图来做数值计算的开源软件 Google Brain团队开 阅读全文
posted @ 2018-03-26 20:24 Holy炭 阅读(523) 评论(0) 推荐(0) 编辑
摘要:本文同时也发布在 "自建博客地址" Tensorflow%E5%88%9D%E4%B8%8A%E6%89%8B.html)。 本文翻译自 "www.tensorflow.org" 的英文教程。 本文档介绍了TensorFlow编程环境,并向您展示了如何使用Tensorflow解决鸢尾花分类问题。 先 阅读全文
posted @ 2018-03-21 17:14 Holy炭 阅读(1360) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示