損失函數(shù) namemeaningcost function成本函數(shù)是模型預(yù)測的值與實(shí)際值之間的誤差的度量，成本函數(shù)是整個(gè)訓(xùn)練數(shù)據(jù)集的平均損失。loss function成本函...
發(fā)簡信
IP屬地：山西
-
About Loss Function All You Need
-
About Activation Function All You Need激活函數(shù) 激活函數(shù)的意義：激活函數(shù)為層與層之間增加非線性連接，增加模型的復(fù)雜性，如果層之間沒有非線性，那么即使很深的層堆疊也等同于單個(gè)層例如連接這兩個(gè)線性函數(shù)等于得到另一個(gè)線...
-
BiLSTM+CRF原理及代碼分析CRF基礎(chǔ) CRF是無向圖模型，通過對MEMM進(jìn)行改進(jìn)，不直接計(jì)算狀態(tài)間的轉(zhuǎn)移概率，而是計(jì)算最大團(tuán)勢函數(shù)的乘積所得的歸一化后的分值，如果要計(jì)算概率需要除以partition ...
-
HMM-EM算法估計(jì)參數(shù)實(shí)現(xiàn)Learning Problem: HMM Training Learning Problem: , D是訓(xùn)練數(shù)據(jù) HMM的訓(xùn)練過程需要使用Forward/Backward算...
-
藥物領(lǐng)域中深度學(xué)習(xí)的應(yīng)用
前言 深度學(xué)習(xí)算法在很多領(lǐng)域已經(jīng)可以成功落地，并且效果很好，例如以卷積神經(jīng)網(wǎng)絡(luò)為例，該算法以及衍生的系列算法在圖像處理領(lǐng)域效果甚佳，例如圖像分類，目標(biāo)檢測等，而以循環(huán)神經(jīng)網(wǎng)絡(luò)...
-
HMM-Forward/Backward算法實(shí)現(xiàn)M 個(gè)隱狀態(tài) - 長度為T的觀測序列 - 轉(zhuǎn)移矩陣 - 發(fā)射矩陣 - 初始概率分布 - Evaluation Problem 給定 , 其中 方法： 找出所有的隱狀態(tài)，， M...
-
centos 7修改密鑰登陸為密碼登錄
1、需要用pem文件連接到centos系統(tǒng)中，xshell 使用pem文件登錄：http://blog.csdn.net/gsying1474/article/details...
-
Exploratory Data Analysis
參考鏈接： 中文鏈接http://www.itdecent.cn/p/9325c9f88ee6https://zhuanlan.zhihu.com/p/28470886ht...
-
Matplotlib和Seaborn之軸須圖和帶狀圖軸須圖和帶狀圖 你可能遇到過用散點(diǎn)圖等雙變量圖形繪制的邊緣分布，或者對這種分布感興趣。邊緣分布是變量的單變量分布，忽略任何其他變量的值。對于定量數(shù)據(jù)來說，直方圖或密度曲線適合...
-
Jupyter Notebook Extension
I install with% pip install jupyter_contrib_nbextensions% jupyter contrib nbextension i...
-
-
Matplotlib和Seaborn之集群圖集群圖 在這節(jié)課，你見到了描繪數(shù)字變量和分類變量之間關(guān)系的很多方式。小提琴圖將分布描繪為密度曲線，箱線圖采用的是摘要形式，將數(shù)量繪制為須線。這些圖形的另一種替代方式是集群圖。...
-
Matplotlib和Seaborn之多變量可視化使用顏色表示第三個(gè)變量 在 matplotlib 和 seaborn 中，向圖形中添加第三個(gè)變量的最常見方式是使用顏色。你已經(jīng)在這節(jié)課的集群條形圖和熱圖中見過這種方式。vio...
-
Matplotlib和Seaborn之折線圖折線圖 折線圖是一種很常見的圖形，用于描繪一個(gè)數(shù)字變量相對于第二個(gè)變量的值的變化趨勢。在散點(diǎn)圖中，所有數(shù)據(jù)點(diǎn)都會(huì)繪制出來，而在折線圖中，每個(gè)唯一 x 值或 x 值的分箱僅繪制...
-
Matplotlib和Seaborn之調(diào)整單變量圖形調(diào)整后的條形圖 在上節(jié)課，我們提到直方圖和條形圖分別可以描繪數(shù)字變量和分類變量的分布情況，長條的高度（或長度）表示落入每個(gè)長條的值范圍內(nèi)的數(shù)據(jù)點(diǎn)數(shù)量。這些圖形可以經(jīng)過調(diào)整，用...
-
Matplotlib和Seaborn之分面分面 處理包含兩個(gè)或多個(gè)變量的圖形的一種實(shí)用方式是分面。采用分面技巧時(shí)，數(shù)據(jù)被劃分為不相交的子集，通常根據(jù)分類變量的不同級別進(jìn)行劃分。對于每個(gè)子集，對其他變量采用相同的圖形。...
-
Matplotlib和Seaborn之簇狀柱形圖
簇狀柱形圖 為了描繪兩個(gè)分類變量之間的關(guān)系，我們可以將在上節(jié)課見到的單變量條形圖擴(kuò)展為簇狀柱形圖。和標(biāo)準(zhǔn)條形圖一樣，我們依然需要描繪每組的數(shù)據(jù)點(diǎn)計(jì)數(shù)，但是每組現(xiàn)在是兩個(gè)變量的...
-
Matplotlib和Seaborn之箱線圖箱線圖 箱線圖是展示數(shù)字變量和分類變量之間關(guān)系的另一種方式。與小提琴圖相比，箱線圖更側(cè)重于數(shù)據(jù)的摘要，主要報(bào)告每個(gè)分類級別數(shù)字值的一組描述統(tǒng)計(jì)學(xué)信息?？梢允褂?seaborn...
個(gè)人介紹
個(gè)人Github主頁：https://github.com/deepbiolab
專注于AI for Science 領(lǐng)域
專注于AI for Science 領(lǐng)域