学习

Python经典编程习题100例，供初学者学习题目及题解持续更新中 7

机器学习数据预处理1：独热编码（One-Hot）及其代码1 为什么使用 one hot 编码 问题 在机器学习算法中 我们经常会遇到分类特征 例如 人的性别有男女 祖国有中国 美国 法国等 这些特征值并不是连续的 而是离散的 无序的 目的 如果要作为机器学习算法的输入 通常我们需要对其进行特征数字化 什么是特征数字化呢 例如 性别特征 男 女

Flowable工作流学习参考资料 1 Flowable 学习笔记 https www jianshu com p 799b1ebf5dc4 tdsourcetag s pctim aiomsg2 Flowable 中文文档 https tkjohn github io flowable userguide introduction Flowable 英文文档 https www flowable

数据挖掘笔记——概念学习nbsp nbsp nbsp nbsp 概念学习可近似为分类问题 例如一个小孩子看过几种鸟的图片 如果再给他一张另外一种没见过的鸟的图片 他还是可以认出这是只鸟 换句话说他已经建立了 鸟 这一概念 进而根据一些特征进行判断是或不是属于这个概念 一 概念和概念学习的定义 nbsp nbsp nbsp nbsp nbsp nbsp nbsp nbsp 概念是在一个更大的集合里面定义一个对象或者事物的子集 或者说是一个从更大的集合里面学到的布尔函数 nbsp nbsp nbsp nbsp nbsp nbsp nbsp nbsp 概念学习 指自动地给出概念的定义

半监督学习代码实战sklearn 官方例子 用半监督学习做数字识别什么是半监督学习半监督学习很重要 为什么呢 因为人工标注数据成本太高 现在大家参加比赛的数据都是标注好的了 那么如果老板给你一份没有标注的数据 而且有几百万条 让你做个分类什么的 你怎么办 不可能等标注好数据再去训练模型吧 所以你得会半监督学习算法 不过我在这里先打击大家一下 用 sklearn 的包做不了大数据量的半监督学习 我用的数据量大概在 15000 条以上就要报 MemoryError 错误了 这个是我最讨厌的错误 暂时我还没有解决的办法 如果

好好学习努力工作，要工作也要生活—2016总结，2017规划写在开头的话 转眼之间 又是一年 对于我来说 2016 年是个多事之秋 身边发生了太多的故事 我多么希望能够像事务 Transaction 一样 执行完成之后能够保持一致性与持久性 可惜事与愿违 现实总是很残酷 虽然发生了很多事 想表达的也很多 但是等到自己提笔的时候却发现好像也没什么可写的 自己那点伪文青气息仿佛也早已不在 只能是为赋新词强说愁 于是 点开音乐播放器 找到了一个经典华语怀旧老

深度学习 —— 深度置信网络深度置信网络 Hinton06 提出了 RBMs 可以堆叠起来以贪婪的方式进行训练以构成深度置信网络 DBN DBNs 是学习提取训练数据深度结构表征的图模型 为观察到的向量 x 和 l 隐藏层 h k 的联合分布建模如下 其中是 k 层已 RBM 的隐藏单元为条件的可见单元的条件性分布 是在 RBM 顶层的可见 隐藏联合分布 图示如下 DBN 和 RBM 可使用贪婪的层际无监督训练原则是每层的基石 过程如下

深度学习中的优化算法之AdaGrad之前在 https blog csdn net fengbingchun article details 介绍过 SGD Mini BatchGradien MBGD 有时提到 SGD 的时候 其实指的是 MBGD 这里介绍下自适应梯度优化算法 AdaGrad 全称 AdaptiveGrad 自适应梯度 是梯度下降优化算法的扩展 AdaGrad 是一种具有自适应学习率的梯度下降优化方法 它使参数的学习率自适应 对不频繁的参数执行较大的更

深度学习 warmup 策略一 介绍 warmup 顾名思义就是热身 在刚刚开始训练时以很小的学习率进行训练 使得网络熟悉数据 随着训练的进行学习率慢慢变大 到了一定程度 以设置的初始学习率进行训练 接着过了一些 inter 后 学习率再慢慢变小 学习率变化 上升 平稳 下降 具体步骤 启用 warmup 设置 warmupsetp 一般等于 epoch inter per epoch 当 step 小于 warmupsetp 时 学习率等于基础学习率 当前 step warmup step 由于后者

深度学习中的五种归一化（BN、LN、IN、GN和SN）方法简介一 本文的内容包括 1 BatchNormali 其论文 https arxiv org pdf 1502 03167 pdf2 LayerNormali 其论文 https arxiv org pdf 1607 06450v1 pdf3 InstanceNorm 其论文 https arxiv