摘要： 一、基本概念复习 1、自编码器 输入等于输出的神经网络模型 全连接层神经网络组成的最简单的自编码器只有三层结构，中间的隐藏层才是需要关注的地方。 在训练过程中，输入经过编码再解码，还原成原来的样子。 假如通过一组数据训练出了自编码器，拆掉解码器后，就可以使用编码器来表征数据了。 隐藏层的神经元数目远 阅读全文

摘要： 一、快速理解GNN {1,1,1,1,1}代表特征 GNN有三种操作： 1 聚合：BCD的特征可以在一定程度上决定A的类别。经过一次聚合后，邻居信息N=b*{2,2,2,2,2}+c*{3,3,3,3,3}+d*{4,4,4,4,4}，bcd是训练出的或者手动设置的（常作为文章的改进点，比如B很重要 阅读全文

摘要： 一、keras基础 keras效率比tensorflow慢。 pip install keras==2.2.5 ，对应tensorflow 1.14.0 import keras 出现 Using TensorFlow backend. 说明安装成功。 1、线性回归 import keras imp 阅读全文

摘要： 视频链接：https://www.bilibili.com/video/BV1dT4y177KA?from=search&seid=12868977424779984308 1、git找到源码下载，在pycharm打开。 2、先看readme，安装所需要的环境，pip install。 3、在pyc 阅读全文

摘要： 时空大数据至少带有三个信息：用户id，时间，空间 一、出租车OD提取 1、读取数据 csv格式：Excel最多支持104万行，如果超过这个打开Excel再保存，就会丢失数据。 import pandas as pd #读取数据 data = pd.read_csv(r'data-sample/Tax 阅读全文

摘要： 1、在图形化界面创建新环境tf1，选择python版本3.7 activate tf1 2、安装依赖包 python -m pip install html5lib bleach ipykernel python -m pip install --ignore-installed --upgrade 阅读全文

摘要： 一、introduction How do we utilize the structures and relationship to help our model? What if the graph is larger, like 20k nodes? What if we don‘t have 阅读全文

摘要： 一、transfer learning target data：现在要考虑的task直接相关。 source data：和现在要考虑的task没有直接关系。 四种可能：有label和无label。 二、fine-tuning target data和source data同时都有label。 tar 阅读全文

摘要： 一、半监督学习 1、定义 unlabeled的数量远大于labeled的数量。 半监督学习分为直推学习（用了训练集的feature）和归纳学习（手上没有测试集）。 人类也一直在做半监督学习。 没有标签的数据（灰色点）的分布会影响划分。半监督学习有没有用取决于假设是否符合实际。 2、生成模型中的半监督 阅读全文

摘要： 一、问题提出 slot filling（槽填充）：智慧客服、智慧订票系统中往往需要自动将词汇与slot对应。 把词汇用向量表示。 多加一个other维度，不在词典中就归类到other。 也可以用一个词汇的字母的n-gram，如apple中包含app、ppl、ple。 把这个vector放进netwo 阅读全文