IP屬地：北京
-
torch DataLoader出core
記錄一下備用：使用https://github.com/hellohaptik/multi-task-NLP/[https://github.c...
-
選項(xiàng)評(píng)估論文閱讀
數(shù)據(jù)集 RACE數(shù)據(jù)集 RACE: Large-scale ReAding Comprehension Dataset From Examina...
-
RACE數(shù)據(jù)集下載地址 https://www.cs.cmu.edu/~glai1/data/race/ 論文地址 Race: Large-scale rea...
-
SciQ數(shù)據(jù)集下載地址 https://allenai.org/data/sciq 論文地址 Crowdsourcing multiple choice sc...
-
從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)（七）隱馬爾可夫模型背景 相關(guān)前置背景知識(shí)見(jiàn)博客：http://www.itdecent.cn/p/d11cb1fe1201 HMM三個(gè)問(wèn)題回顧 1.狀態(tài)問(wèn)題：已...
-
從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)（六）集成學(xué)習(xí)集成學(xué)習(xí) 著重于在訓(xùn)練集上做文章：將訓(xùn)練集劃分為各種子集或權(quán)重變換后用較弱的基模型擬合，然后綜合若干個(gè)基模型的預(yù)測(cè)作為最終整體結(jié)果。 兩種算法：...
-
從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)（三）支持向量機(jī)支持向量機(jī) 最初用于解決線性問(wèn)題，加入核方法后可以用于解決非線性問(wèn)題。能適應(yīng)“小樣本數(shù)量、高特征維度”問(wèn)題，甚至是特征維度大于樣本數(shù)量的情況。目...
-
從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)（二）梯度下降
梯度下降 用于迭代求解函數(shù)最優(yōu)解，是大數(shù)據(jù)領(lǐng)域用于求解問(wèn)題的常用思想。步長(zhǎng)：每一步梯度下降時(shí)向目標(biāo)方向前進(jìn)的長(zhǎng)度。前期可以使用較大步長(zhǎng)，加快訓(xùn)練...
-
從機(jī)器學(xué)習(xí)到深度學(xué)習(xí)（一）線性回歸
線性回歸 OLS、Ridge、Lasso的優(yōu)缺點(diǎn)對(duì)比：OLS 最小二乘法：優(yōu)點(diǎn)：計(jì)算方便（套入公式即可） 缺點(diǎn)：數(shù)據(jù)維度越高，參數(shù)值越大、更容易...