人工智障仁波切

目录目录线性回归线性基函数模型模型定义最大似然与最小二乘在线学习（Sequential learning）正则化偏差方差分解贝叶斯线性模型线性回归线性基函数模型最简单的线性回归模型形式如下：模型定义最大似然与最小二乘在线学习（Sequential learning）正则化偏差方差分解贝叶斯线性模...

综述TensorFlow 生产环境即 TensorFlow Serving可以将训练好的模型以接口形式发布启动TF Serving Dockerdocker run --name [your docker name] --runtime=nvidia -p [主机端口]:8501 --mount type=bind,source=[模型存放路径]/[模型文件夹名],target=/mod...

综述由于计算资源有限，目前服务器上的Tensorflow docker开发环境只能用于模型拟合与参数优化，编写代码请自己在本地搭建环境。Tensorflow docker开发环境提供 Jupyter Notebook与Tensorboard两个主要功能。Jupyter Notebook 与 IPython终端 共享同一个内核，用户与Tensorflow docker的绝大部分交互都通过它来完...

词嵌入简介1 综述1.1 是什么词嵌入就是将词转化成数值向量的方法1.2 为什么这么做很多机器学习模型只支持数据数据输入，无法直接处理文本2 基于频率的词嵌入2.1 计数向量语料库C中有D个文本{d1，d2…dD}包含N个词项，生成一个D*N的计数矩阵M，矩阵中每行代表文件D(i)中各词出现的频率。下面举一个例子说明：语料库中有两篇文章D1、D2.D1: He is a laz...

分类如何表示二值类标签广义线性模型推理和决策判别函数分类目标：给定数据数据 xxx,为其分配一个离散的类标签CkCkC_k这里k=1,...,Kk=1,...,Kk=1,...,K 将输入空间分为不同的区域。如何表示二值类标签广义线性模型推理和决策判别函数...

目录[TOC] 线性回归模型已经在1.1章节中详细定义，这里不重复例举。1.2为什么用贝叶斯线性回归1.2.1最大似然估计（MLE）1.2.2最大后验（MAP）1.2.3 贝叶斯...

p(θ|D)p(θ|D)p(\theta|D)被称为后验分布 p(θ|D)=p(D|θ)p(θ)p(D)p(θ|D)=p(D|θ)p(θ)p(D)p(\theta|D)=\frac{p(D|\theta)p(\theta)}{p(D)} 预测分布p(x|D)=∫p(x,θ|D)dθ=∫p(x|θ)p(θ|D)dθp(x|D)=∫p(x,θ|D)dθ=∫p(x|θ)p(θ|D)dθp(x|D...

决策理论（decision theory）决策论背后的背后的核心思想是最小化期望损失

WARMING这篇文章中Bootstrap指的是机器中一类减小预测误差的技巧，不是前端开发框架。定义Bootstrap aggregation又称Bagging，是一种重采用技术，用于减小预测误差。 从一个分布P中获取m组采样，用这个m组采分别训练m个模型，现在有一个新xxx,要预测它对应的yyy值，这m个模型预测结果的算术平均数的预测误差，比其中一个模型的预测误差小。为什么能减...

生成模型与辨别模型（Generative vs discriminative model）这两个模型一般是讲的分类问题生成模型1、使用贝叶斯理论推断后验分布p(Ck|x)p(Ck|x)p(C_k|x),需要考虑先验分布p(Ck)p(Ck)p(C_k)和p(X|Ck)p(X|Ck)p(X|C_k) 也可以对联合分布p(X,Ck)p(X,Ck)p(X,C_k)建模 2、使用决策论对x分...

综述这一篇介绍如何在GPU服务器上搭建TensorFlow环境。安装英伟达驱动和CUDA安装与硬件对应的NVIDIA driver和CUDA安装NVIDIA Docker安装NVIDIA Docker可以参考https://github.com/NVIDIA/nvidia-docker 中流程注意：安装NVIDIA Docker需要先安装普通Docker获取镜像docker pu...