摘要：
一、XGBoost起源 XGBoost的全称是ExtremeGradient Boosting，2014年2月诞生，作者为华盛顿大学研究机器学习的大牛——陈天奇。 他在研究中深深的体会到现有库的计算速度和精度问题，为此而着手搭建完成 xgboost 项目。 XGBoost问世后，因其优良的学习效果以 阅读全文
摘要：
tf.layers.dense： import tensorflow as tf batch_size = 5 ones = tf.ones([batch_size,20]) logits = tf.layers.dense(ones,10) print(logits.get_shape()) im 阅读全文
摘要：
1）tf.contrib.layers.embed_sequence()函数 2）tf.strided_slice，tf.fill，tf.concat使用实例 3）tf.nn.embedding_lookup 4）tf.layers.dense 阅读全文
摘要：
tf.nn.embedding_lookup import tensorflow as tf from distutils.version import LooseVersion import os os.environ['TF_CPP_MIN_LOG_LEVEL'] = '2' # Check T 阅读全文
摘要：
tf.strided_slice，tf.fill，tf.concat使用实例 其中，我们需要对tensor data进行切片，tf.strided_slice使用方法请参考 import tensorflow as tf import os os.environ['TF_CPP_MIN_LOG_LE 阅读全文
摘要：
tf.contrib.layers.embed_sequence()函数 一般用于Seq2Seq网络，可完成对输入序列数据的嵌入工作。一般只需给出前三个参数。 embed_sequence( ids, # 输入的形状为[batch_size, max_seq_len] vocab_size=None 阅读全文
摘要：
一、背景介绍 奇异值分解（Singular value decomposition）简称SVD，是将矩阵分解为特征值和特征向量的另一种方法。 奇异值分解可以将一个比较复杂的矩阵用更小更简单的几个子矩阵相乘来表示，这些小矩阵描述的都是矩阵的重要的特性。 奇异值分解在图形降噪、推荐系统中都有很重要的应用 阅读全文
摘要：
一、接着上一节说正定矩阵 所谓正定，就是$x^TAx > 0$（$except \space for \space x = 0$）成立，我们通常也可以通过特征值，主元，行列式来判断 虽然我们知道了什么是正定矩阵，如何判断正定矩阵，那么正定矩阵是从何而来的呢？主要来自：最小二乘法 实际上，大量的物理问 阅读全文
摘要：
一、本讲的目标 1）怎么判断一个矩阵是否是正定矩阵 2）为什么我们对正定矩阵如此感兴趣 二、正定矩阵 我们从2*2的对称矩阵开始讲，注意：线性代数的范围内正定矩阵需要是对称矩阵 设$A = \left[\begin{array}{ll}{a} & {b} \\ {b} & {c}\end{array 阅读全文
摘要：
一、习题 本章主要复习前面讲解的内容，我们可以一一自己作答，后期把习题补上 阅读全文