- 博客(15)
- 收藏
- 关注
RSS订阅转载 李宏毅机器学习笔记12（Transfer Learning）
Transfer Learning1、什么是迁移学习2、如何实现迁移学习 1）source有label，target有label 一、model fine-tuning（模型微调） 方法一、conservative training（保守训练） 方法二、layer transfer（层迁移） 二、Multitask Learn...
2019-08-26 14:25:00
393
转载 李宏毅机器学习笔记15（Ensemble）
Ensemble1、什么是集成学习2、Bagging（决策树+随机森林）3、Boosting Adaboost、Gradient boost4、Stacking1、什么是集成学习 人多力量大！ 世上没有一个分类器解决不了的分类问题 如果有，就多用几个！ 集成学习分为两大类：Bagging和boosting ...
2019-08-26 14:20:00
327
转载 李宏毅机器学习笔记14（RNN）
Recurrent Neural Network (RNN)1、什么是RNN2、LSTM 一、什么是LSTM 二、LSTM框架3、RNN分析RNN1、什么是RNNRNN可以处理序列的信息（即前面的输入对后面是有关系的） 下面通过一个订票系统的例子去说明什么是RNN： 1）、目标：假设我们现在做这么一个事情，说下面一句话，...
2019-08-26 14:18:00
259
转载 李宏毅机器学习笔记13（Structured Learning）
Structured Learning1、什么叫结构化学习2、结构化学习统一框架3、结构化学习的三个问题4、线性模型解决结构化学习的三个问题1、什么叫结构化学习 之前的input and output 都是vectors 结构化学习：输入输出都是一种带有结构的对象（sequence,list,tree,bounding box）...
2019-08-26 14:18:00
501
转载 李宏毅机器学习笔记16（Reinforcement Learning）
Reinforcement Learning1、什么是强化学习2、如何实现强化学习（方法） Policy-based：（learn a actor） 代表算法：Policy-Gradient Value-based：（learn a critic） 代表算法：Deep-Q-Learning Actor-Critic： 代表算法：A3C1、什么...
2019-08-26 14:18:00
280
转载 李宏毅机器学习笔记07（CNN）
卷积神经网络（Convolutional Neural Network）1、什么是CNN 什么卷积、为什么用CNN2、实现CNN的步骤 input——>convolution——>max pooling——>...——>flatten——>fully connected network——>output3、如何用keras搭建一...
2019-08-18 11:26:00
160
转载 李宏毅机器学习笔记08（Semi-Supervised）
半监督学习1、什么是Semi-Supervised2、Semi-Surpervised在生成模型中如何实现的（EM算法）3、Semi-Surpervised基于Low-density Separation（低密度分离）假设是如何实现的 1）Self-training方法+Entropy-based Regularization 2）SVM4、Semi-Surp...
2019-08-17 16:04:00
575
转载 李宏毅机器学习笔记10（Unsurpervised Learning02——Neighbor Embedding）
Unsurpervised LearningNeighbor Embedding1、什么是流形学习2、LLE（Locally Linear Embedding）3、LE（Laplacian Eigenmaps）4、T-SNE（t Stochastic Neighbor Embedding）Auto-Encoder1、什么是Auto-Encod...
2019-08-16 17:14:00
509
转载 李宏毅机器学习笔记09（Unsupervised Learning 01——Clustering and PCA）
无监督学习1、无监督学习的概念 什么叫无监督学习（输入都是无label的数据，没有训练集之说） 无监督学习的两大任务：“化繁为简”（聚类、降维）、“无中生有”2、聚类Clustering（K-means、HAC）3、降维Dimension Reduction（PCA）1、无监督学习的概念 一、什么叫无监督学习 输入都是无lab...
2019-08-08 20:33:00
353
转载 李宏毅机器学习笔记04（Classification: Logistic Regression）
Logistic Regression逻辑回归思路：1、逻辑回归 vs 线性回归（Logistics Regression VS Linear Regression ）2、生成模型 vs 判别模型（Generative Model VS Discriminative Model）3、逻辑回归 vs 深度学习（Logistics Regression VS Deep Le...
2019-08-05 10:21:00
229
转载 李宏毅机器学习笔记06（Tips of DL）
Tips of Deep Learning1、先检查training 是否有比较好的结果 training优化方法： 1）换激活函数（Sigmoid、ReLU、Maxout、Tanh、Softmax） 2）优化器——优化gd和自适应调学习率（SGD、Adagrad、RMSProp、Momentum、Adam）2、training没问题了，再检查testing是...
2019-08-02 14:36:00
225
转载 李宏毅机器学习笔记05（Deep Learning->DNN）
Deep Learning-------->DNN（深度神经网络）思路：1、什么是深度学习2、深度学习的步骤3、如何优化（调参问题描述） 问题描述：参数更新的过程、training data 与参数更新的关系（训练过程）4、Back Propagation方法update DNN参数1、什么是深度学习深度学习的model是一个深度神经网络...
2019-07-26 13:13:00
1283
转载 李宏毅机器学习笔记01（regression）
Regression1、首先，什么是regression（回归）2、然后，实现回归的步骤（机器学习的步骤） step1、model（确定一个模型）——线性模型 step2、goodness of function（确定评价函数）——损失函数 step3、best function（找出最好的一个函数）——梯度下降法3、进一步，如何做得更好（优化step1）...
2019-07-21 11:59:00
261
转载 李宏毅机器学习笔记03（Classification: Probabilistic Generative Model）
分类问题：概率生成模型概念：（从概率生成模型到判别模型）概率生成模型：由数据学习联合概率密度分布P(X,Y)，然后求出条件概率分布P(Y|X)作为预测的模型。例如：朴素贝叶斯、隐马尔可夫（em算法）判别模型：由数据直接学习决策函数Y=f(X)或者条件概率分布P(Y|X)作为预测的模型。例如：k近邻法、感知机、决策树、逻辑回归、线性回归、最大熵模型、支持向量机(SVM)、提升...
2019-07-20 16:42:00
201
转载 李宏毅机器学习笔记02（where does the error come from）
model的误差来源分析思路：1、首先，error的两大来源bias和variance是指什么2、然后，bias和variance是怎么产生的3、进一步，如何判断你的model是bias大（欠拟合）还是variance大（过拟合），如何解决4、最后，结论1、首先，error的两大来源bias和variance是指什么...
2019-07-19 20:23:00
272
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