- 博客(8)
- 收藏
- 关注
RSS订阅原创 2018下半年总结
一、问题 1.管理松懈 表现为大部分成员在实验室的时间很短，作业、任务等完成质量低下。以及由此导致的包括但不限于以下的问题 2.教学与考核体系不完整 填鸭式教学不适合本专业的内容，几小时的知识讲解，让人不知其然亦不知其所以然。教学集中于学期中，学期初期、学期末、长假之间形成长时间的断层。考...
2019-01-17 18:19:22
145
原创 分类和标注词汇
包括以下章节：内置标注器、默认字典、自动标注、n-gram标注内置标注器nltk内置词性标注器: 'alice'->('alice', 'NN')text = nltk.word_tokenize("And now for something completely different") text = 'alice' nltk.pos_tag(text)“标注”已标注...
2018-12-07 19:40:12
363
原创 处理原始文本
友情提醒：NLTK study notes 系列均为从本地代码粘贴上来的，粘贴时缩进出现大量错误，敬请注意。包括以下章节：用正则表达式提取特征、词性规范化、文本分词、分割等正则表达式提取特征查找word中的所有元音import nltk, re word = "supercalifragilistcexpialidocious" re.findall(r'[aeiou...
2018-11-30 21:45:42
399
原创 Convotional Neural Network
CNN属于DNN的特例之一，比之后者，最主要的区别在于卷积层与池化层的加入，而除去这2中层，其他与一般的深度神经网络还是基本一致的。1.卷积层对于实例的特征，将其原本的向量形式转化为m*n的矩阵形式，另外引入一个a*a的矩阵称为卷积核。特征矩阵与卷积核的相应位置分别相乘然后作和，将此值投影到一个新的特征矩阵上。卷积核从特征矩阵的左上角开始，每次向右或向下移动一定步长(stride)并求此位置的值，...
2018-05-03 10:45:18
236
原创 Deep Neural Network
将一个进行科学计算的数学模型形象化为一个神经元，模仿人类大脑的工作原理，构成神经网络。多层神经网络一般包括一个输入层，若干隐藏层，一个输出层，每一层都会有若干神经元。隐藏层中进行着大量的运算，如同一个黑箱，“不管是什么数据，我都能给你算”。每个上一层的输出都是下一层的输入，这样便给特征附加了多样性，每层神经元不再都是处理完全相同的原始数据，而是经过上一层处理的不一样的数据。以一个最基本的含有1个隐...
2018-04-29 21:49:26
370
原创 Gradient Descent
对多元函数在某点的各个自变量分别求偏导数，并将各偏导h数作为向量的分量，此向量即为函数在此点的梯度，表示函数因变量（方向导数）变化最快的方向。当梯度前的符号为“+”时，函数值向最大值方向移动，符号为“-”时，函数值向最小值方向移动。在求解线性回归模型及逻辑回归模型的代价函数最值时，梯度下降法具有广泛的应用性，对θ参数矩阵进行迭代，直至得到关于θ的函数（代价函数）局部最优解，即最值。举个栗子，假如你...
2018-04-21 22:42:57
344
原创 Logistic Regression
解决分类问题，需要输出离散型变量，而线性回归模型是连续型变量，因此，将线性回归模型的结果离散化，便可以得到解决分类问题的逻辑回归模型：其函数图像如图所示横坐标为线性回归模型的因变量，纵坐标表示实例被划分为正向类的概率。与线性回归模型类似，求出模型中的θ矩阵需要建立代价函数，并在代价函数取得最小值时模型较为合适，逻辑回归的代价函数为其矩阵表示式为：对逻辑回归模型的代价函数的求最值，由于其因变量是离散...
2018-04-21 15:58:27
185
原创 Liner Regression
对于有n个特征的实例，建立形如矩阵表示为的线性回归模型。x表示各特征的值，θ表示为拟合数据而加入的参数；X为m*n的矩阵，θ为n*1的矩阵。为评估所建立的h(x)模型的准确性、适用性，需将理论值与实际值进行比较，衡量准确性的方法为代价函数，形如，矩阵表示式为代价函数的自变量为θ矩阵，因变量的大小与准确性成负相关，当且仅当代价函数（近似）取得最小值时，相应的θ参数矩阵为使线性回归模型更合适的最优解。...
2018-04-21 14:59:01
182
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