2018年01月_cqychen_优快云博客

05月 01月

原创本博客导航

数学相关林轩田机器学习课程笔记深度学习hinton课程笔记整理中深度学习kaggleNLP算法实现other数学相关机器学习需要线性代数知识 SVD介绍对偶问题 PCA 仿射变换核函数凸优化林轩田机器学习课程笔记林轩田之机器学习课程笔记（when can machines learn之learning problem）（32之1）

2018-01-05 21:41:12 882 1

转载李飞飞、吴恩达、Bengio等人的15大顶级深度学习课程（转）

from : http://blog.youkuaiyun.com/dQCFKyQDXYm3F8rB0/article/details/79136408hinton 深度学习课程：https://www.coursera.org/learn/neural-networks/home 翻译 | AI科

2018-01-24 18:31:06 877

原创 python实现二叉树的俯视图

概要：给一个二叉树，代码实现输出俯视图，如：代码实现：#coding=utf8#构造树节点'''基本思想：对于每个节点输出关于根节点的层级和左右距离树从0层开始计数左距离：左子树上节点对于跟节点为1右距离：右字数上节点对于跟节点为-1相当于以树的根节点为坐标原点，每个树中的节点对应一个坐标轴横轴表示距离，纵轴表示树的深度树的俯视图即输出：这些点映射到横轴上，

2018-01-20 11:31:14 2646

转载 Kaggle 机器学习竞赛冠军及优胜者的源代码汇总(转)

参考：http://ndres.me/kaggle-past-solutions/ http://shujianliu.com/kaggle-winning-code.html http://www.chioka.in/kaggle-competition-solutions/ 建议参考这三个链接，因为都保持最新的题目跟踪，下面的是三年前的题目了。不是最

2018-01-19 18:30:12 5031

转载 R语言中管道操作 %>%, %T>%, %$% 和 %<>%（转）

1 magrittr介绍2 magrittr安装3 magrittr包的使用设置随机种子开始4 magrittr包的扩展功能from : http://blog.youkuaiyun.com/fairewell/article/details/72878107前言使用R语言进行数据处理是非常方便的，几行代码就可以完成很复杂的操作。但是，对于数据的连续处理，还是有人觉得代码不好看，要么是长长的函数嵌套调

2018-01-13 16:54:42 3727 1

原创林轩田之机器学习课程笔记（ distilling hidden features之final）（32之32）

概要特征提取技巧kernel 转换aggravatiton 转换自动提取特征低维度转换优化技巧最优化问题转换子问题求解方式过拟合处理方式踩刹车方式盯住仪表盘机器学习实践欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 本次的课程笔记完毕。后面的课程笔记主要是hinton大神的深度学习课程。希望在看问题之前看看机器学习的处理流程，这样流

2018-01-05 21:07:01 884

原创林轩田之机器学习课程笔记（ distilling hidden features之matrix factorization）（32之31）

概要线性网络假设空间基本的矩阵因子分解随机梯度下降求解特征提取模型总结欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 推荐FM和FFM文章，现在主要用于推荐系统中：https://tech.meituan.com/deep-understanding-of-ffm-principles-and-practices.html 深度学习书籍推荐：htt

2018-01-05 17:43:12 607

原创林轩田之机器学习课程笔记（ distilling hidden features之radial basis function network）（32之30）

概要RBF网络假设空间RBF网络学习算法k-means算法k-means与RBF网络算法实践欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 深度学习书籍推荐：https://item.jd.com/12128543.html 深度学习课程推荐：https://www.coursera.org/learn/neural-networks/home/w

2018-01-05 12:20:19 650

转载 Learning to Rank(LTR)(转)

Learning to RankLTR声明摘要背景排序学习系统框架排序学习特征选择2训练数据的获取3人工标注搜索日志公共数据集训练方法23单文档方法Pointwise文档对方法Pairwise文档列表方法Listwise排序学习效果评价Referencefrom:http://blog.youkuaiyun.com/clheang/article/details/45674989

2018-01-04 21:13:27 1325 1

原创林轩田之机器学习课程笔记（ distilling hidden features之deep learning）（32之29）

概要深度神经网络自动编码机去噪自动编码机主成分分析欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 深度学习书籍推荐：https://item.jd.com/12128543.html 深度学习课程推荐：https://www.coursera.org/learn/neural-networks/home/welcome Tensor

2018-01-04 19:18:34 773

原创林轩田之机器学习课程笔记（ distilling hidden features之neural network）（32之28）

概要为何要构造多层神经网络神经网络的假设空间神经网络的学习算法优化以及正则化权重消减法早停法dropout欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 深度学习书籍推荐：https://item.jd.com/12128543.html 深度学习课程推荐：https://www.coursera.org/learn/neural-networ

2018-01-04 14:37:45 620

原创林轩田之机器学习课程笔记（ combining predictive features之gradient boosted decision tree）（32之27）

概要Adaptive Boost 决策树如何优化AdaBoost决策树GBDT模型融合的总结欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 对于模型融合可以参考： http://scikit-learn.org/stable/modules/ensemble.html GBDT参考： http://scikit-learn.org/stabl

2018-01-03 21:18:41 590

原创深度学习之CNN简介

深度学习概述CNN卷积神经网络层级结构数据输入层卷积计算层Relu激活层池化层全连接层正则化典型结构欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 本来想把CNN的一个kaggle比赛和这个放在一起，结果软件一直出问题。就先把这部分贴上。后面再奉上CNN实战的代码。深度学习概述传统的机器学习和深度学习一个很重要的差别就是特征的自动提取。深度学习现

2018-01-03 12:01:55 2931

原创林轩田之机器学习课程笔记（ combining predictive features之 random forest）（32之26）

概要随机森袋外估计特征选择随机森林实战欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 对于模型融合可以参考： http://scikit-learn.org/stable/modules/ensemble.html 随机森林参考：分类： http://scikit-learn.org/stable/modules/generated/sk

2018-01-03 11:49:59 694

原创林轩田之机器学习课程笔记（ combining predictive features之 decision tree）（32之25）

概要决策树假设空间决策树演算法决策树之卡特算法决策树实战欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 对于模型融合可以参考： http://scikit-learn.org/stable/modules/ensemble.html 决策树参考： http://scikit-learn.org/stable/modules/generate

2018-01-02 18:05:09 652

原创林轩田之机器学习课程笔记（ combining predictive features之 adaptive boosting）（32之24）

概要为什么要做boosting通过调整权重达到模型多样性Adaptive Boosting算法Adaptive Boosting实战欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 对于模型融合可以参考： http://scikit-learn.org/stable/modules/ensemble.html Adapitve boosting的

2018-01-02 08:39:31 875

原创林轩田之机器学习课程笔记（ combining predictive features之blending and bagging）（32之23）

概要为什么要做模型聚合投票制的blending线性以及任意的blendingbagging方式欢迎转载，可以关注博客：http://blog.youkuaiyun.com/cqy_chen 题目可能不全，因为有字数限制，不好意思，可以参考： https://www.csie.ntu.edu.tw/~htlin/course/ml15fall/概要前面讲述了kernel版本的各种模型，包括线性的回

2018-01-01 19:23:05 738