發(fā)簡(jiǎn)信
IP屬地：北京
-
深度學(xué)習(xí)繪圖工具
NN-SVG 麻省理工學(xué)院弗蘭克爾生物工程實(shí)驗(yàn)室, 該實(shí)驗(yàn)室開發(fā)可視化和機(jī)器學(xué)習(xí)工具用于分析生物數(shù)據(jù)。 GitHub地址：https://git...
-
概念：增強(qiáng)學(xué)習(xí)、增量學(xué)習(xí)、遷移學(xué)習(xí)
一. 增強(qiáng)學(xué)習(xí)/強(qiáng)化學(xué)習(xí)（Reinforcement Learning ） 我們總是給定一個(gè)樣本x，然后給或者不給label y。之后對(duì)樣本進(jìn)行...
-
機(jī)器學(xué)習(xí)算法常用度量指標(biāo)1. 混淆矩陣 常用術(shù)語：True positive（TP）：被正確地劃分為正例的個(gè)數(shù)，即實(shí)際為正例且被分類器劃分為正例的實(shí)例數(shù)；False p...
-
生成模型VS判別模型1. 概率分布角度 從概率分布的角度考慮，對(duì)于一堆樣本數(shù)據(jù)，每個(gè)均有特征Xi對(duì)應(yīng)分類標(biāo)記yi。生成模型：學(xué)習(xí)得到聯(lián)合概率分布P(x,y)，即特征...
-
深度學(xué)習(xí)常用的模型評(píng)估指標(biāo)“沒有測(cè)量，就沒有科學(xué)。”這是科學(xué)家門捷列夫的名言。在計(jì)算機(jī)科學(xué)中，特別是在機(jī)器學(xué)習(xí)的領(lǐng)域，對(duì)模型的測(cè)量和評(píng)估同樣至關(guān)重要。只有選擇與問題相匹配...
-
淺談交叉熵
一：定義 交叉熵（cross entropy）是深度學(xué)習(xí)中常用的一個(gè)概念，一般用來求目標(biāo)與預(yù)測(cè)值之間的差距。交叉熵是信息論中的一個(gè)概念，要想了解...
-
SVM-基礎(chǔ)
1. SVM要解決的問題 SVM的全稱Support Vector Machine，即支持向量機(jī)，主要用于解決模式識(shí)別領(lǐng)域中的數(shù)據(jù)分類問題，屬于...
-
評(píng)估指標(biāo)機(jī)器學(xué)習(xí)或者是日常生活中，遇見的往往是二分類問題比較多，二分類模型的模型評(píng)價(jià)準(zhǔn)則很多，Auc_score,F1_score，accuracy等等...
-
128篇21大領(lǐng)域必讀論文【轉(zhuǎn)】
這份閱讀列表的組織原則是這樣的：從全局到枝干： 從綜述類、全局性的文章到細(xì)分領(lǐng)域的具體論文。從經(jīng)典到最前沿： 每個(gè)話題的文章都是按時(shí)間順序來排的...