發(fā)簡信
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驗室, 該實驗室開發(fā)可視化和機器學(xué)習(xí)工具用于分析生物數(shù)據(jù)擦剑。 GitHub地址：https://git...
-
概念：增強學(xué)習(xí)鲫咽、增量學(xué)習(xí)磁餐、遷移學(xué)習(xí)
一. 增強學(xué)習(xí)/強化學(xué)習(xí)（Reinforcement Learning ） 我們總是給定一個樣本x忙厌，然后給或者不給label y筋岛。之后對樣本進行...
-
機器學(xué)習(xí)算法常用度量指標1. 混淆矩陣 常用術(shù)語：True positive（TP）：被正確地劃分為正例的個數(shù)茫孔，即實際為正例且被分類器劃分為正例的實例數(shù)淹冰；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库车，對于一堆樣本數(shù)據(jù)，每個均有特征Xi對應(yīng)分類標記yi樱拴。生成模型：學(xué)習(xí)得到聯(lián)合概率分布P(x,y)柠衍，即特征...
-
深度學(xué)習(xí)常用的模型評估指標“沒有測量，就沒有科學(xué)晶乔≌浞唬”這是科學(xué)家門捷列夫的名言。在計算機科學(xué)中正罢，特別是在機器學(xué)習(xí)的領(lǐng)域阵漏，對模型的測量和評估同樣至關(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)中常用的一個概念翻具，一般用來求目標與預(yù)測值之間的差距履怯。交叉熵是信息論中的一個概念，要想了解...
-
SVM-基礎(chǔ)
1. SVM要解決的問題 SVM的全稱Support Vector Machine裆泳，即支持向量機叹洲，主要用于解決模式識別領(lǐng)域中的數(shù)據(jù)分類問題，屬于...
-
評估指標機器學(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價準則很多蚪黑，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： 從綜述類糙捺、全局性的文章到細分領(lǐng)域的具體論文。從經(jīng)典到最前沿： 每個話題的文章都是按時間順序來排的...