笨拙的忍者 - 博客园

2018年5月10日

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 原理 RNN、LSTM、GRU区别 LSTM防止梯度弥散和爆炸引出word2vec 1.原理在普通的全连接网络或CNN中，每层阅读全文

posted @ 2018-05-10 11:07 笨拙的忍者阅读(406) 评论(0) 推荐(0) 编辑

深度学习——CNN

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 思想 filter尺寸的选择输出尺寸计算公式 pooling池化的作用常用的几个模型，这个最好能记住模型大致的尺寸参数 1.思阅读全文

posted @ 2018-05-10 10:56 笨拙的忍者阅读(213) 评论(0) 推荐(0) 编辑

2018年5月9日

深度学习——神经网络基础

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 Backpropagation 梯度消失、梯度爆炸常用的激活函数参数更新方法解决overfitting的方法 1.Backp 阅读全文

posted @ 2018-05-09 23:04 笨拙的忍者阅读(489) 评论(0) 推荐(0) 编辑

机器学习——基础

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 数据归一化（或者标准化，注意归一化和标准化不同）的原因 SVD和PCA 防止过拟合的方法数据不平衡问题 1.数据归一化（或者标准阅读全文

posted @ 2018-05-09 21:59 笨拙的忍者阅读(144) 评论(0) 推荐(0) 编辑

机器学习——评价指标

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 分类器的好坏 1.分类器的好坏这里首先要知道TP、FN（真的判成假的）、FP（假的判成真）、TN四种（可以画一个表格）。几种常阅读全文

posted @ 2018-05-09 21:38 笨拙的忍者阅读(116) 评论(0) 推荐(0) 编辑

机器学习——HMM & CRF

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 HMM CRF HMM和CRF对比 1.HMM算法隐马尔可夫模型是用于标注问题的生成模型。有几个参数（ππ，A，B）：初始状态概阅读全文

posted @ 2018-05-09 21:35 笨拙的忍者阅读(365) 评论(0) 推荐(0) 编辑

机器学习——EM

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 EM算法是用于含有隐变量模型的极大似然估计或者极大后验估计，有两步组成：E步，求期望（expectation）；M步，求极大（ma 阅读全文

posted @ 2018-05-09 21:32 笨拙的忍者阅读(120) 评论(0) 推荐(0) 编辑

机器学习——集成学习之Stacking

摘要：摘自： https://zhuanlan.zhihu.com/p/27689464 Stacking方法是指训练一个模型用于组合其他各个模型。首先我们先训练多个不同的模型，然后把之前训练的各个模型的输出为输入来训练一个模型，以得到一个最终的输出。理论上，Stacking可以表示上面提到的两种Ense 阅读全文

posted @ 2018-05-09 21:25 笨拙的忍者阅读(953) 评论(0) 推荐(0) 编辑

机器学习——集成学习之Boosting

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 AdaBoost GBDT Xgboost 1.AdaBoost Boosting的本质实际上是一个加法模型，通过改变训练样本权重阅读全文

posted @ 2018-05-09 21:23 笨拙的忍者阅读(200) 评论(0) 推荐(0) 编辑

机器学习——集成学习之Bagging

摘要：整理自： https://blog.csdn.net/woaidapaopao/article/details/77806273?locationnum=9&fps=1 随机森林 1.随机森林随机森林改变了决策树容易过拟合的问题，这主要是由两个操作所优化的：1、Boostrap从袋内有放回的抽取样阅读全文

posted @ 2018-05-09 21:10 笨拙的忍者阅读(193) 评论(0) 推荐(0) 编辑