DoomZone的博客

LESSON Four 1.problem 之前学的都是将问题化成一个由未知参数构成的向量，通过设计的model来输出 如果有一组好几个输入向量，比如输入是一个句子，那我们首先可以将之进行处理： 1. one-hot Encoding 将所有已知词汇用向量表示，向量和词汇量一致 2. Word Embedding 与第一种不同，多了词汇之间的管关联性（词性、词义等） 又比如声音信号、graph（图表）信号这种输入向量数目不好确定的，如果使用之前的网络结构会让参数不好确定或者产生m...

## LESSON Four ### 1.problem 之前学的都是将问题化成一个由未知参数构成的向量，通过设计的model来输出 如果有一组好几个输入向量，比如输入是一个句子，那我们首先可以将之进行处理： 1. one-hot Encoding 将所有已知词汇用向量表示，向量和词汇量一致 2. Word Embedding 与第一种不同，多了词汇之间的管关联性（词性、词义等） 又比如声音信号、graph（图表）信号这种输入向量数目不好确定的，如果使用之前的网络结构会让参数不好...

LESSON two 1.Frame of ML 数据分为training和testing两种，基本步骤如下： function with \theta =》L (\theta) =》=argmin_\theta L=》\theta*=》f_\theta*(testing)​ 先选取模型和参数，接着将参数合并再定义出系统的损失函数,然后代入随机选择的training data，最后通过梯度下降法进行迭代更新，进而选出最优的参数，将该组参数作为function去label the testing

机器学习步骤 AI 数据集最常见的6大问题（附解决方案） - 产品经理的人工智能学习库 (easyai.tech) 评估指标： 准确率、召回率、F值 三大要素：数据、算法、算力 Focus： 只能解决单一任务 归纳法：只关注任务本身，不关注为什么 ML-李宏毅 Kaggle looking for Function 1. Different types of Functions Regression Classification Stru