原创 循環神經網絡之前向反向傳播算法
前面我們已經介紹了深度神經網絡和卷積神經網絡，這些算法都是前向反饋，模型的輸出和模型本身沒有關聯關係。今天我們學習輸出和模型間有反饋的神經網絡，循環神經網絡(Recurrent Neual Networks)，其廣泛應用於自然語言
2020-06-28 10:03:42
原创 知識圖譜嵌入(KGE)主流模型簡介
1. KGE簡介 目前(2020.03)知識圖譜嵌入研究方法衆多，本文將對其中的主流方法進行簡要介紹，如翻譯、雙線性、神經網絡、雙曲幾何、旋轉等。各方法細節請看原論文，文中錯誤歡迎指出，謝謝。 知識圖譜嵌入(Knowledge
2020-06-28 10:03:42
105
原创 機器學習之決策樹(C4.5算法)
1.決策樹簡介 我們已有如下所示數據集，特徵屬性包含天氣、溫度、溼度、風速，然後根據這些數據去分類或預測能否去打高爾夫球，針對此類問題你會怎麼解決呢。 序號 天氣 溫度 溼度 風速 高爾夫 1 晴 炎熱 高 弱 進行
2020-06-28 10:03:42
23
原创 LSTM如何解決RNN帶來的梯度消失問題
本篇文章參考於 RNN梯度消失和爆炸的原因、Towser關於LSTM如何來避免梯度彌散和梯度爆炸？的問題解答、Why LSTMs Stop Your Gradients From Vanishing: A View from t
2020-04-27 08:25:55
原创 機器學習之SVM支持向量機（一）
我們思考這樣一個問題，給兩個標籤，藍色和紅色點，數據有兩個特徵(x,y)。我們想要一個分類器，給定一對(x,y)，能找到很好的分類邊界，判斷是藍色點還是紅色點。對於下圖的數據，我們如何解決呢。本文通過引入Support Vecto
2020-02-23 10:56:53
原创 機器學習之Logistic迴歸
1.Logistic迴歸簡介 線性迴歸能夠找到一個假設函數來估計原函數，從而根據特徵變量來得到假設值，但線性迴歸模型不能達到分類的效果。在線性迴歸的基礎上，我們將假設值和概率結合得到分類器，達到分類的效果。雖然Logistic迴歸
2020-02-23 10:56:53
原创 機器學習之SVM支持向量機（二）
1.知識回顧 機器學習之SVM支持向量機（一）中我們介紹了SVM損失函數、最大間隔分類、爲什麼SVM能形成最大間隔分類器、核函數、SVM中Gaussian Kernel的使用知識點。上文我們從Logistic Regression
2020-02-23 10:56:43
原创 Python之Sklearn使用教程
1.Sklearn簡介 Scikit-learn(sklearn)是機器學習中常用的第三方模塊，對常用的機器學習方法進行了封裝，包括迴歸(Regression)、降維(Dimensionality Reduction)、分類(Cl
2020-02-23 10:56:43
原创 機器學習之線性迴歸
1.線性迴歸分析（ Linear Regression Analysis） 線性迴歸分析（Regression Analysis）：其數據集是給定一個函數和他的一些座標點，然後通過迴歸分析的算法，來估計原函數的模型，求得最符合這些
2020-02-23 10:56:43
原创 機器學習知識體系
1.什麼是機器學習 機器學習（Machine Learning, ML）是一門多領域交叉學科，涉及概率論、統計學、逼近論、凸分析、算法複雜度理論等多門學科。專門研究計算機怎樣模擬或實現人類的學習行爲，以獲取新的知識或技能，重新組
2020-02-23 10:56:43
原创 知識圖譜|298萬條三元組生成方法(一)
本篇文章接《Python爬蟲|Get豆瓣電影與書籍詳細信息》，學習如何利用爬取的數據，構建知識圖譜所需的三元組。主要內容包括如何從Json類型的數據，轉換成RDF數據，並最終存儲到Jena之中，然後利用SPARQL進行查詢。數據鏈接:
2019-03-10 23:39:44
7
原创 Python爬蟲|Get豆瓣電影與書籍詳細信息
最近在做關於知識圖譜方面的實驗，需要一些數據，於是爬取了豆瓣上關於電影和書籍的信息。兩天時間內共爬取 20W+ 條數據，包括電影信息、電影演員信息、書籍信息、書籍作者信息，GitHub鏈接爲https://github.com/wei
2019-03-03 14:27:41
原创 Ununtu16.04搭建GitLab服務器教程
Ununtu16.04搭建GitLab服務器教程 文章目錄Ununtu16.04搭建GitLab服務器教程1.依賴包安裝2.GitLab安裝2.1官方教程2.2清華源3.GitLab啓動4.GitLab配置4.1更改服務器IP地址4.
2019-02-19 17:36:15
原创 機器學習降維之線性判別模型(LDA)
1.LDA簡介 線性判別分析(Linear Discriminant Analysis, LDA) 是一種監督學習的降維方法，也就是說數據集的每個樣本是有類別輸出。和之前介紹的機器學習降維之主成分分析(PCA)方法不同，PCA是不考慮
2019-02-01 14:07:54
原创 機器學習之交叉驗證
1.交叉驗證簡介 交叉驗證(Cross Validation) 是在機器學習建立模型和驗證模型參數時常用的方法。顧名思義，就是重複的使用數據，把得到的樣本數據進行切分，組合爲不同的訓練集和測試集。用訓練集來訓練模型，測試集來評估模型的
2019-02-01 14:07:53