ccszbd的博客

Leture 3Recap probabilistic formulation of meta-learning（回顾元学习的概率公式）General recipe of meta-learning algorithms（不同元学习方法的一般方法）How to evaluate a meta-learning algorithm?5-way,1-shot image classification（给出五个分类的图片，然后对一个新的example进行分类）能够将图片分类问题替换为任何

Lecture 1 IntroductionWhy should we care about deep multi-task & meta-learning?deep learning allows us to handle unstructured inputs(pixels, languages, sensor readings, etc.)without hand-engineering features, with less domain knowledgeLarge, div

最近是SARI病毒肆虐，身处疫区的我已经在家自我隔离十多天了，家乡的管控做的非常严格，小区已经禁止出入好几天了，于是在家终于闲不住的我，决定把NLP的课程好好刷一遍。第一讲 NLP和深度学习入门自然语言处理的应用领域：拼写检查，关键词搜索，语义理解，机器翻译，口语对话系统，知识问答等等。人类语言的特别之处：指向性明确，具有表现力的信号词系统，大脑具有连续的激活系统，语言传递可以借助不同的载...

第四讲 Word Window 分类与神经网络分类：正则化处理正则化能够有效防止过拟合，当我们的特征较多时，很容易导致模型过拟合，或者引起指数爆炸，而正则化操作能够使得在某些具体的点拟合较差，但总体的拟合曲线更加平滑，并且泛化性能更好。词窗口分类词含义的定义：词的含义并不是单一定义的，无法在不结合上下文的状态下确定一个词的真正含义，因此，一个单词的真正含义取决于窗口内的上下文的词。如...

batch_size、epoch、iteration是深度学习中常见的几个超参数：https://zhuanlan.zhihu.com/p/43541982https://www.zhihu.com/question/36113643/answer/465142018（1）batchsize：每批数据量的大小。DL通常用SGD的优化算法进行训练，也就是一次（1 个iteration）一起...

SVM目的

通常，在训练有监督的机器学习模型的时候，会将数据划分为训练集、验证集和测试集，划分比例一般为6：2：2。对原始数据进行三个集合的划分，是为了能够选出效果最好的，泛化能力最佳的模型，验证集并不是必须的。一个形象的比喻训练集——课本，学生通过课本里的内容来掌握知识验证集——作业，通过作业可以知道不同学生学习情况、进步的速度快慢测试集——考试，考题平常没有见过，考察学生举一反三的能力训练集（T...

很多时候我们有多个二分类混淆矩阵，例如进行多次训练/测试，每次得到一个混淆矩阵；或是在多个数据集上进行训练/测试，希望估计算法的“全局”性能；甚或是执行多分类任务，每两两类别的组合都对应一个混淆矩阵。总之，我们希望在n个二分类混淆矩阵上综合考察查准率和查全率。二分类的分类结果混淆矩阵真实情况/预测结果正例反例正例TP（真正例）FN（假反例）反例FP（假正例）...