發(fā)簡信
IP屬地：北京
-
搭建NER（命名實體識別）分類器Methods for NER 利用規(guī)則（比如正則） 投票模型 （Majority Voting） baseline 利用分類模型非時序模型 邏...
-
SVM處理非線性可分 KKT 對偶問題 核函數(shù)上一篇文章講到，如果數(shù)據(jù)是線性可分的，直接使用最大邊距作為目標函數(shù)，但是如果數(shù)據(jù)是線性不可分的情況下，該目標函數(shù)是不可用的。那么如何處理線性不可...
-
線性分類器 SVM（支持向量機）回顧線性分類器 設(shè)D = {(x1,y1),(x2,y2),(x3,y3),......(xn,yn)},yi屬于{-1,1},i = 1,2,...
-
方向?qū)?shù)和梯度的關(guān)系
先來看看高中學(xué)的導(dǎo)數(shù)，就是一元函數(shù)的切線稱為導(dǎo)數(shù) 偏導(dǎo)數(shù)是針對多元函數(shù)的，我們以兩個自變量為例，z=f(x,y)，從導(dǎo)數(shù)到偏導(dǎo)數(shù)，也就是從曲線來...
-
Set Cover Problem (集合覆蓋問題)流網(wǎng)絡(luò)—最大流問題（Maximum-flow problem）image.png希望從0-7找到最大值，管道可以承載的最大值。 那么目標函數(shù)是o...
-
Optimization （模型優(yōu)化）時間這東西真的是過的好快啊，不知不覺又過去了半個月了，現(xiàn)在已經(jīng)是五月中旬了。堅持是最好的證明。 那么我們回歸，如何優(yōu)化目標函數(shù)？其實AI問題有個...
-
Lasso回歸模型-參數(shù)求解由之前的文章可知，目標函數(shù)為了防止過擬合或者限制參數(shù)，一般會加L1正則化和L2正則化，下面來介紹關(guān)于L1正則，Lasso正則，因為Lasso是可...
-
特征選擇技術(shù)如果一個數(shù)據(jù)集中有很多的特征，但是不是所有的特征都是對模型有作用，或者作用非常小時，我們就需要剔除，那么我們用上面技術(shù)去選擇特征呢？ 第一種，窮...
-
Lasso Regression介紹
為什么我們更喜歡Sparsity 如果維度太高，計算量也變得更高 在稀疏性的條件下，計算量只依賴非0項的個數(shù) 提高解釋性