开心咿呀 - 博客园

2016年7月5日

摘要：安装了一天的gensim，其中因为版本不一致等等各种问题纠结了好久，现记录如下：正确安装方式： 1. 安装python2.7 2. 下载Python Extension Packages对应版本的numpy、scipy、gensim 3. 进入python安装目录下的Scripts目录执行： pip install numpy***.whl p... 阅读全文

posted @ 2016-07-05 22:25 开心咿呀阅读(3657) 评论(0) 推荐(0) 编辑

ReLu(Rectified Linear Units)激活函数

摘要：转载自 ReLu(Rectified Linear Units)激活函数论文参考：Deep Sparse Rectifier Neural Networks (很有趣的一篇paper）起源：传统激活函数、脑神经元激活频率研究、稀疏激活性传统Sigmoid系激活函数传统神经网络中最常用的两个激活函数，Sigmoid系（Logistic-Sigmoid、Tanh-Sigmoid）被... 阅读全文

posted @ 2016-07-05 22:22 开心咿呀阅读(497) 评论(0) 推荐(0) 编辑

2016年7月4日

转载 deep learning：八（SparseCoding稀疏编码）

摘要：转载 http://blog.sina.com.cn/s/blog_4a1853330102v0mr.html Sparse coding：本节将简单介绍下sparse coding(稀疏编码)，因为sparse coding也是deep learning中一个重要的分支，同样能够提取出数据集很好的特征。本文的内容是参考斯坦福deep learning教程：Sparse Coding，Sp... 阅读全文

posted @ 2016-07-04 10:28 开心咿呀阅读(664) 评论(0) 推荐(0) 编辑

转载 Deep learning：一(基础知识_1)

摘要：前言: 最近打算稍微系统的学习下deep learing的一些理论知识，打算采用Andrew Ng的网页教程UFLDL Tutorial，据说这个教程写得浅显易懂，也不太长。不过在这这之前还是复习下machine learning的基础知识，见网页：http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course=DeepLe... 阅读全文

posted @ 2016-07-04 10:15 开心咿呀阅读(182) 评论(0) 推荐(0) 编辑

转载 Deep learning：二(linear regression练习)

摘要：前言本文是多元线性回归的练习，这里练习的是最简单的二元线性回归，参考斯坦福大学的教学网http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex2/ex2.html。本题给出的是50个数据样本点，其中x为这50个小朋友到的年龄，年龄为2岁到8岁，年龄可有小... 阅读全文

posted @ 2016-07-04 10:14 开心咿呀阅读(239) 评论(0) 推荐(0) 编辑

转载 Deep learning：三(Multivariance Linear Regression练习)

摘要：前言: 本文主要是来练习多变量线性回归问题(其实本文也就3个变量)，参考资料见网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex3/ex3.html.其实在上一篇博文Deep learning：二(linear regression练习)中已经... 阅读全文

posted @ 2016-07-04 10:13 开心咿呀阅读(272) 评论(0) 推荐(0) 编辑

转载 Deep learning：四(logistic regression练习)

摘要：前言：本节来练习下logistic regression相关内容，参考的资料为网页：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php?course=DeepLearning&doc=exercises/ex4/ex4.html。这里给出的训练样本的特征为80个学生的两门功课的分数，样本值为对应的同学是否允许被上大学，如... 阅读全文

posted @ 2016-07-04 10:11 开心咿呀阅读(195) 评论(0) 推荐(0) 编辑

转载 Deep learning：五(regularized线性回归练习)

摘要：前言：本节主要是练习regularization项的使用原则。因为在机器学习的一些模型中，如果模型的参数太多，而训练样本又太少的话，这样训练出来的模型很容易产生过拟合现象。因此在模型的损失函数中，需要对模型的参数进行“惩罚”，这样的话这些参数就不会太大，而越小的参数说明模型越简单，越简单的模型则越不容易产生过拟合现象。本文参考的资料参考网页：http://openclassroom.stan... 阅读全文

posted @ 2016-07-04 10:10 开心咿呀阅读(233) 评论(0) 推荐(0) 编辑

转载 Deep learning：七(基础知识_2)

摘要：前面的文章已经介绍过了2种经典的机器学习算法：线性回归和logistic回归，并且在后面的练习中也能够感觉到这2种方法在一些问题的求解中能够取得很好的效果。现在开始来看看另一种机器学习算法——神经网络。线性回归或者logistic回归问题理论上不是可以解决所有的回归和分类问题么，那么为什么还有其它各种各样的机器学习算法呢？比如这里马上要讲的神经网络算法。其实原因很简单，在前面的一系列博文练习中可以... 阅读全文

posted @ 2016-07-04 10:06 开心咿呀阅读(144) 评论(0) 推荐(0) 编辑

2016年7月3日

转载 Deep learning：六(regularized logistic回归练习)

摘要：前言：在上一讲Deep learning：五(regularized线性回归练习)中已经介绍了regularization项在线性回归问题中的应用，这节主要是练习regularization项在logistic回归中的应用，并使用牛顿法来求解模型的参数。参考的网页资料为：http://openclassroom.stanford.edu/MainFolder/DocumentPage.php... 阅读全文

posted @ 2016-07-03 21:33 开心咿呀阅读(385) 评论(0) 推荐(0) 编辑