- 博客(5)
- 收藏
- 关注
RSS订阅原创 Datawhale暑假学习_集成学习（一）
集成学习（一）：数学基础第一期笔记主要回顾大学学的数学基础，主要分四大块，每块我会记录一些重要的知识点或者是之前忘了的知识点，常记常新。高等数学线性代数概率论与随机过程数理统计一、高等数学1.雅可比矩阵（Jacobian）假设 F:Rn→RmF: \mathbb{R}_{n} \rightarrow \mathbb{R}_{m}F:Rn→Rm 是一个从n维欧氏空间映射到到m维欧氏空间的函数。这个函数由m个实函数组成:y1(x1,⋯ ,xn),⋯ ,ym(x1,⋯ ,xn)y_{1
2021-07-13 23:45:23
209
2
原创 2021-06-23
GNN - Task3: Node Embedding - DataWhale21-06期在图神经网络中，节点表征学习（Node Representation）经常是作为图学习第一步的，因为我们做节点表征是想得到这个节点在网络中的位置信息或者属性信息或者边信息，进而能得到节点之间的相似性。如果能得到高质量的节点表征，节点预测或边预测任务准确率会更加地好以下学习内容来自DataWhale六月训练营，详细信息可关注公众号查看相关推文本节会主要学习以下内容：基于MLP学习的节点表征基于GCN、GAT的
2021-06-24 01:13:29
253
原创 GNN - Task2: 消息传递范式 - DataWhale21-06期
GNN - Task2: 消息传递范式消息传递范式我觉得是节点表征(Node Representation)的一种形式，它是一种聚合邻接节点信息来更新中心节点信息的方法。你可以想象成就是有一条链上，链上的节点在一个个挨着更新的感觉。消息传递范式的传递公示中有卷积算子，所以用张量的形式(神经网络)实现了图的更新学习，消息传递范式因为简单、强大的特性，于是被人们广泛地使用。这个任务我们会学习这几个内容：剖析MessagePassing基类学习继承MessagePassing基类的GCNConv类覆
2021-06-20 02:13:33
290
原创 2021-06-17
DataWhale - 六月组队学习-图神经网络Task 1: 简单图论与PyG的简单事件参考资料：DataWhale开源课程我之前学过图论和Graph Embedding相关内容，当时做项目赶鸭子上架，基本是看了一些知乎文章了解算法的大概原理，然后调用现成的图算法包完成了项目的一部分，但是由于没有系统地学习过图论和图的定义及属性，现在忘的差不多了。因为有一点基础，所以会简单记录一下以前学过但容易忘的定义和一些定理。注：第一节内容主要来自"Chapter 2 - Foundations of Gra
2021-06-17 01:17:07
434
原创 Wide&Deep-Datawhale训练营
Wide&Deep-Datawhale训练营Wide&Deep介绍今天学习的是由谷歌于2016年提出的Wide&Deep模型，自提出以来就在业界发挥着巨大影响力。一句话概括：W&D由浅层（或单层）的Wide部分神经网络和深层的Deep部分多层神经网络组成，输出层采用softmax或logistics regression综合Wide和Deep部分的输出。一句话概括此结构的优点：Wide部分有利于增强模型的“记忆能力-Memorization”，Deep部分
2021-03-19 01:17:40
198
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人