摘要：
一、简单理解 判别式模型出现早于生成式模型。 判别式模型其实并没有学习到数据的内容，只是单纯的记住了数据特征来做分类和判断。就像做模拟题，考试时遇到和模拟题一样的题会做，不一样的不会做。 而生成式模型能够学习数据的内容，对样本进行理解。就像真的学会了知识，考试时遇到的题都会做。 二、生成式模型 Ge 阅读全文
摘要：
一、SGD（梯度下降） 在多变函数中，梯度是一个方向，梯度的方向指出了函数在给定点上升最快的方向，或者说指引了函数值增大的方向，因此我们只要考虑往梯度的反方向走，就至少能走到极小值，可能能走到全局最小值。 二、SGD with momentum（动量法：梯度累加） 动量累加：震荡方向的梯度相互抵消， 阅读全文
摘要：
1、迁移学习（Transfer Learning） 直观理解：站在巨人的肩膀上学习。根据已有经验来解决相似任务，类似于你用骑自行车的经验来学习骑摩托车。 专业理解：将训练好的内容应用到新的任务上，即将源域（被迁移对象）应用到目标域（被赋予经验的领域）。 迁移学习不是具体的模型，更类似于解题思路。 当 阅读全文
摘要：
一、分布式词表示（直接使用低维、稠密、连续的向量表示词）（静态的表示） 1、Word2Vec 训练方法：用中心词预测周围词。 局限性：Word2Vec产生的词向量只有每个单词独立的信息，而没有上下文的信息。 2、Glove Global Vector for Word Representation 阅读全文
摘要：
1、线性回归算法 1.1算法概述 回归就是用一条曲线对数据点进行拟合，该曲线成为最佳拟合曲线，这个拟合过程称为回归。当该曲线为一条直线时，就是线性回归。 线性回归一般用来做连续值的预测，预测的结果是一个连续值。 在训练学习样本时，需要特征向量X和样本的实际结果Y，所以线性回归属于监督学习里的回归模型 阅读全文
摘要：
1、按照学习方式划分 1.1 监督学习：输入数据称为“训练数据”，每组训练数据有一个明确的标识或结果。在建立模型的时候，监督学习建立一个学习过程，将预测结果与“训练数据”的实际结果进行比较，不断调整预测模型，直到模型的预测结果达到一个预期的标准。 1.2 无监督学习：数据并没有被特别标识，学习模型是 阅读全文
摘要：
1.内核： ipython(更高级的python解释器，原生的python解释器是>>>开头的，而ipython是In[x]:、Out[x]:开头的。ipython具有相当强大的代码自动补全命令技术的功能，jupyter notebook和句spyder都是以ipython为内核的） 2.安装 pi 阅读全文
摘要：
1.标题 #这是一号标题 （快捷键：Ctrl+1） ##这是二号标题 ..... **xx**加粗、*xx*斜体 2.连接和图片（不是存储图片本身，而是存储连接，所以生成的文件是非常小的，便于存储转发） 连接： [ ]() [显示的文字](连接） 图片： ![ ]() 注：关于本地图片直接引入外网是 阅读全文
摘要：
一、实验目的 1）掌握单元测试的方法 2) 学习XUnit测试原理及框架； 3）掌握使用测试框架进行单元测试的方法和过程。 二、实验内容与要求 1、了解单元测试的原理与框架 1.1 单元测试原理 单元测试（unit testing），是指对软件中的最小可测试单元进行检查和验证。对于单元测试中单元的含 阅读全文
摘要：
一、实验目的 1） 了解代码审查的含义； 2） 掌握相关编程规范检查工具的安装与使用； 二、实验内容及要求 Code Review中文应该译作“代码审查”或是“代码评审”或“代码复查”，是指通过阅读代码来检查源代码与编码标准的符合性以及代码质量的活动。Code Review主要用来在软件工程过程中改 阅读全文
