iFlyAI的博客

人工智能学习离不开实践的验证，推荐大家可以多在FlyAI-AI竞赛服务平台多参加训练和竞赛，以此来提升自己的能力。FlyAI是为AI开发者提供数据竞赛并支持GPU离线训练的一站式服务平台。每周免费提供项目开源算法样例，支持算法能力变现以及快速的迭代算法模型。和深度学习框架打交道已有多年时间。从Google的TensorFlow, 到百度的PaddlePaddle，再到现在腾讯的无量。很庆幸在AI技术爆发的这些年横跨中美几家公司，站在一个比较好的视角看着世界发生巨大的变化。在这些经历中，视...

Logistic回归公式推导和代码实现1，引言　　logistic回归是机器学习中最常用最经典的分类方法之一，有人称之为逻辑回归或者逻辑斯蒂回归。虽然他称为回归模型，但是却处理的是分类问题，这主要是因为它的本质是一个线性模型加上一个映射函数Sigmoid，将线性模型得到的连续结果映射到离散型上。它常用于二分类问题，在多分类问题的推广叫softmax。　　本文首先阐述Logistic回归的定义，然后介绍一些最优化算法，其中包括基本的梯度上升法和一个改进的随机梯度上升法，这些最优化算法将用于分类器.

简单的符号表达式能够有效地建模世界。符号模型紧凑，具备可解释性和良好的泛化能力，但很难处理高维机器学习问题；深度模型擅长在高维空间中学习，但泛化性和可解释性却很差。那么有没有什么办法可以取二者之所长呢？这项研究做到了。选自arXiv，作者：Miles Cranmer等，机器之心编译，参与：杜伟、小舟、魔王。如何将深度模型转换为符号方程？来自普林斯顿、DeepMind 等机构的研究人员提出了一种解决方案：结合深度学习和符号回归实现这一目标。符号模型是自然科学的语言。与深度模型不同，符号.