随笔分类 - 课程 / 机器学习
摘要：Prolog 是一种与众不同的语言，不用来开发软件，专门解决逻辑问题。比如，”苏格拉底是人，人都会死，所以苏格拉底会死”这一类的问题。 Prolog 就是”逻辑编程”（programming of Logic）的意思。只要给出事实和规则，它会自动分析其中的逻辑关系，然后允许用户通过查询，完成复杂的逻
阅读全文
摘要：（一）RNN的长期依赖问题 循环神经网络RNN在训练的过程中会有长期依赖的问题，这是由于RNN模型在训练时会遇到梯度消失(大部分情况)或者梯度爆炸(很少，但对优化过程影响很大)的问题。 对于梯度爆炸是很好解决的，可以使用梯度修剪(Gradient Clipping)，即当梯度向量大于某个阈值，缩放梯
阅读全文
摘要：（一）什么是CRF？ CRF，全称 Conditional Random Fields，中文名：条件随机场。是给定一组输入序列的条件下，另一组输出序列的条件概率分布模型。 （二）什么时候可以用CRF？ 当输出序列的每一个位置的状态，需要考虑到相邻位置的状态的时候。举两个例子： 1、假设有一堆小明日常
阅读全文
摘要：对于 精准率（precision ）、召回率（recall）、f1-score，他们的计算方法很多地方都有介绍，这里主要讲一下micro avg、macro avg 和weighted avg 他们的计算方式。 1、微平均 micro avg: 不区分样本类别，计算整体的 精准、召回和F1 精准 m
阅读全文
摘要：隐马尔可夫模型（Hidden Markov Model，HMM）是统计模型，它用来描述一个含有隐含未知参数的马尔可夫过程。其难点是从可观察的参数中确定该过程的隐含参数。隐马尔可夫模型（HMM）可以用五个元素来描述，包括2个状态集合和3个概率矩阵：1. 隐含状态 S、2. 可观测状态 O、3. 初始状
阅读全文
摘要：（一）例子1 def test_two_parenthesis(): def add(a,b): print(a+b) return add def main(): a = 1 b = 2 test_two_parenthesis()(a, b) if __name__ == '__main__':
阅读全文
摘要：VGG16模型,权重由ImageNet训练而来 该模型可同时构建于 channels_first (通道，高度，宽度) 和 channels_last （高度，宽度，通道）两种输入维度顺序。模型的默认输入尺寸是224x224 （一）模型参数 keras.applications.vgg16.VGG1
阅读全文
摘要：（一）to_categorical 说明： 简单来说，to_categorical就是将类别向量转换为二进制（只有0和1）的矩阵类型表示。其表现为将原有的类别向量转换为独热编码的形式。 例子： from keras.utils.np_utils import * #类别向量定义 b = [0,1,2
阅读全文
摘要：PIL是Python Imaging Library，它为python解释器提供了图像编辑函数。的Image模块提供了一个具有相同名称的类，用于表示PIL图像。该模块还提供了许多出厂函数，包括从文件加载图像和创建新图像的函数。 （一）Image.convert() 说明： Image.convert
阅读全文
摘要：（一）通俗解释 1.fit() Method calculates the parameters μ and σ and saves them as internal objects. 解释：计算数据的参数，（均值），（标准差），并存储在对象中。 2.transform() Method using
阅读全文
摘要：需要导入的库： import random import string （一）随机整数 1.包含上下限：[a, b] random.randint(a,b) 在python中的random.randint(a,b)用于生成一个指定范围内的整数。其中参数a是下限，参数b是上限，生成的随机数n: a <
阅读全文
摘要：（一）numpy.linspace 说明： 通过定义均匀间隔创建数值序列。 原型： numpy.linspace( start, #序列的起始值。 stop, #序列的结束值，除非端点设置为 False。 num=50, #要生成的样本数。 默认值为 50。 endpoint=True, #如果为真
阅读全文
摘要：激活函数（Activation Function）是一种添加到人工神经网络中的函数，旨在帮助网络学习数据中的复杂模式。类似于人类大脑中基于神经元的模型，激活函数最终决定了要发射给下一个神经元的内容。 典型的阶跃函数作为激活函数为例，下图展示了一个神经元是如何喂入激活函数以及如何得到该神经元最终的输出
阅读全文
摘要：一、ReLU（Rectified Linear Activation Function） ReLU是一个分段函数，当输入小于零的时候，输出为零，当输入大于零的时候，将输入值作为输出。 二、ReLU实现 def rectified(x): return max(0.0, x) 三、ReLU优点 （一）
阅读全文
摘要：一、SVR与一般线性回归的区别 SVR 一般线性回归 1.数据在间隔带内则不计算损失，当且仅当f(x)与y之间的差距的绝对值大于ϵ 才计算损失 1.只要f(x)与y不相等时，就计算损失 2.通过最大化间隔带的宽度与最小化总损失来优化模型 2.通过梯度下降之后求均值来优化模型 原理：SVR在线性函数两
阅读全文
摘要：一、标准方程法 二、求导加法 三、特殊求导 四、转置求导 五、系数求导
阅读全文
