發(fā)簡(jiǎn)信
IP屬地：北京
-
PRML第一章讀書小結(jié)
PRML第一章讀書小結(jié) ????第一章用例子出發(fā)，較為簡(jiǎn)單的引入了概率論渠欺、模型鸡典、決策、損失履怯、信息論的問題，作為機(jī)器學(xué)習(xí)從業(yè)者，讀PRML除了鞏固...
-
強(qiáng)化學(xué)習(xí)簡(jiǎn)介及馬爾科夫決策過程
1. 什么是強(qiáng)化學(xué)習(xí) ??強(qiáng)化學(xué)習(xí)（reinforcement learning, RL）是近年來大家提的非常多的一個(gè)概念拳锚，那么，什么叫強(qiáng)化學(xué)習(xí)...
-
論文研讀：基于統(tǒng)計(jì)重加權(quán)的方法減少通用回復(fù)
論文研讀：基于統(tǒng)計(jì)重加權(quán)的方法減少通用回復(fù) 會(huì)議名稱：EMNLP2018 文章題目：Towards Less Generic Responses...
-
論文研讀：基于統(tǒng)計(jì)重加權(quán)的方法減少通用回復(fù)
論文研讀：基于統(tǒng)計(jì)重加權(quán)的方法減少通用回復(fù) 會(huì)議名稱：EMNLP2018 文章題目：Towards Less Generic Responses...
-
復(fù)雜模型可解釋性方法——LIME
一寻行、模型可解釋性 ????近年來霍掺，機(jī)器學(xué)習(xí)（深度學(xué)習(xí)）取得了一系列驕人戰(zhàn)績(jī)，但是其模型的深度和復(fù)雜度遠(yuǎn)遠(yuǎn)超出了人類理解的范疇拌蜘，或者稱之為黑盒（機(jī)...
-
局部敏感哈希LSH（Locality-Sensitive Hashing）——海量數(shù)據(jù)相似性查找技術(shù)
一杆烁、 前言 ????最近在工作中需要對(duì)海量數(shù)據(jù)進(jìn)行相似性查找，即對(duì)微博全量用戶進(jìn)行關(guān)注相似度計(jì)算拦坠，計(jì)算得到每個(gè)用戶關(guān)注相似度最高的TOP-N個(gè)用...
-
markdown公式轉(zhuǎn)為知乎格式
????在知乎中寫技術(shù)類文章连躏，經(jīng)常會(huì)用到markdown知乎文章可以導(dǎo)入markdown格式，但是不支持Latex公式贞滨。知乎大神提供了替代方案：...
-
一文讀懂極大似然在機(jī)器學(xué)習(xí)中入热，我們經(jīng)常要利用極大似然法近似數(shù)據(jù)整體的分布，本篇文章通過介紹極大似然法及其一些性質(zhì)晓铆，旨在深入淺出地解釋清楚極大似然法勺良。 0. 貝葉...