原创 機器學習各優化算法的簡單總結

1 梯度下降 1.1 SGD 算法介紹 優點 缺點 1.2 Momentum 算法介紹 優點 缺點 1.3 Nestrov Momentum 算法介紹 優點 缺點 2 自適應方法 2.1 Adag

原创 mac本機pySpark配置並且能在本地遠程調用服務器Spark以及文件

mac本機pySpark配置並且能在本地遠程調用服務器Spark以及文件 @(Spark)[pycharm|pySpark] 問題描述: 我們需要對一個巨大的原始數據集進行特徵工程,打算將數據存在服務器上,並且希望能夠使用本地

原创 線性迴歸和邏輯迴歸損失函數推導

線性迴歸和邏輯迴歸損失函數推導 @(數據挖掘) 線性迴歸和邏輯迴歸損失函數推導 一、線性迴歸最小二乘loss推導 二、logistics迴歸加sigmoid原因以及交叉熵損失函數推導 一、線性迴歸最小二乘loss推導

原创 csdn如何快速完美的轉載別人的文章

轉載於:http://blog.csdn.net/jiangping_zhu/article/details/18044109 作者:包心菜加糯米飯 1、找到要轉載的文章,用chrome瀏覽器打開,右鍵選擇審查元素 2、在chrome

原创 LGBM是如何處理類別特徵,相比onehot編碼的優勢在哪

LGBM爲什麼可以直接輸入類別特徵,而不需要one-hot LGBM官方文檔對如何處理類別特徵的解釋 Optimal Split for Categorical Features It is common to represent

原创 信息熵、交叉熵與相對熵(KL散度)的關係,還介紹了聯合信息熵和條件熵、互信息(信息增益)的概念

@(關於機器學習的其他)[KL散度][信息熵][交叉熵] 1、信息量 2、信息熵 3、交叉熵cross-entropy 3.1 交叉熵 cross-entropy在機器學習領域的作用 4、相對熵(KL散度) 4.1 相對熵(KL

原创 Mac配置iterm2 + oh-my-zsh + ys配色方案,並解決環境變量失效問題

Mac配置iterm2 + oh-my-zsh + ys配色方案,並解決環境變量失效問題 最終的效果圖如下所示: 使用iterm2配合oh-my-zsh的命令行,擁有語法高亮、命令自動補全、自動提示符、顯示git倉庫狀態等功能

原创 支持向量機數學證明與推導(SVM)

支持向量機(SVM) @(數據挖掘)[svm] 支持向量機(SVM) 一、線性可分支持向量機和硬間隔最大化 二、線性可分支持向量機的對偶算法(應用拉格朗日對偶,簡化原始優化問題爲求解對偶問題) 三、線性支持向量機與軟間隔最大化 四、

原创 # 機器學習各優化算法的簡單總結

1 梯度下降 1.1 SGD 算法介紹 優點 缺點 1.2 Momentum 算法介紹 優點 缺點 1.3 Nestrov Momentum 算法介紹 優點 缺點 2 自適應方法 2.1 Adagrad

原创 Basic RNN、LSTM的前向傳播和反向傳播詳細解析

Basic RNN、LSTM的前向傳播和反向傳播詳細解析 Basic RNN、LSTM由於它們獨特的架構,被大量應用在自然語言處理和序列模型的任務上。通過它們自身特殊的結構,可以記住之前的輸入中的部分內容和信息,並對之後的輸出產生影響。

原创 用pytorch去fine-tune預訓練的卷積神經網絡

Fine-tune pretrained Convolutional Neural Networks with PyTorch. @(深度學習) Features Gives access to the most popular CN

原创 pandas的DataFrame怎麼把幾列數據合併成爲新的一列

問題描述 我有一個用於模型訓練的DataFrame如下圖所示: 其中的country、province、city、county四列其實是位置信息的不同層級,應該合成一列用於模型訓練 方法: parent_teacher_data['

原创 DataFrame包含兩列特徵,轉換成Index不變,將其中一列value作爲columns,對應的另一列作爲values

DataFrame包含兩列特徵,轉換成Index不變,將其中一列value作爲columns,對應的另一列作爲values 我們的原始數據是: 很明顯這是一個有兩列數據的DataFrame。而這時我其實想得到一新的DataFram

原创 如何實用github打造博客專屬域名

本文出自:【張鴻洋的博客】 一、概述 哈,本篇博客不屬於Android技術類的文章,但卻有非常高的實用性。如果你心細的話,你會發現現在訪問zhanghongyang.com或者guolin.tech你會發現最終跳轉的是我們的csdn博