原创 商業與機器學習

目錄背景ML SurpriseML的10大陷阱業務中ML從無到有的5個階段 背景 關於機器學習(Machine Learning,ML)技術方面的文章和書籍已經非常多了。但是關於企業、商業和ML結合的一些思路方法卻非常少。最近看了Co

原创 Fast.ai Machine Learning for coders - Lesson 1

  之前一直在吳恩達的公開課那塊學習,一方面學習了一些算法以及思想,另一方面也瞭解了一些理論。現在開始看 fast.ai,以實踐著稱。作者Jeremy Howard並不是學術圈的人,是工業界的人,在Kaggle 2010和2011上得

原创 吳恩達Deeplearning.ai 知識點梳理(course 5,week 3)

  本週主要講了多種sequence to sequence結構,包括conditional language model,beam searching,bleu,attention,speech recognition,以及trig

原创 吳恩達Deeplearning.ai 知識點梳理(course 5,week 2)

  本週主要講Word Embeddings, Word Embedding Intro Word Representation   之前我們表示word,都是採用one-hot進行表示。這種方式有一個缺點,就是詞和詞之間是正交的

原创 吳恩達Deeplearning.ai 知識點梳理(course 5,week 1)

  本週主要講的是RNN,LSTM。   序列數據在很多場景下都有出現,下面是幾個序列模型的例子。 幾個例子   例如語音識別(序列-序列),音樂生成(1-序列),情感分類(序列-1)等等。   輸入句子是向量xx ,每一個詞

原创 What are good ways to handle discrete and continuous inputs together?

Rescale bounded continuous features: All continuous input that are bounded, rescale them to [-1, 1] through x = (2x - m

原创 DNN反向傳播推導的嚴格表述

  近期把DNN的反向傳播又好好的研究了一下。之前一直有疑慮是因爲很多文檔裏邊出現∂z(l+1)∂z(l)∂z(l+1)∂z(l) 這種表達式,然後z(l+1)z(l+1) 和z(l)z(l) 還是矩陣,這下就變得非常煩人了,因爲沒有哪本

原创 深度學習中的Matrix Calculus (1): Jacobian And Chain Rule

  在深度學習裏邊,一個最重要的過程是Back Propagation,也就是計算梯度用於做梯度下降優化。然而在BP中,充斥着大量的矩陣微分運算以及各種轉化技巧,導致沒有學過矩陣論或者矩陣分析的童鞋感到壓力山大,所以《深度學習反向求導》這

原创 吳恩達機器學習筆記week 8

  本週主要講的是聚類和降維。 聚類   聚類是一種無監督的學習,應用實例有把一堆文章按主題分類,將T恤的尺寸分成幾類,例如SML號等。這裏講的是K-Means。 K-Means其實原理很簡單,主要是三步: 初始化K類的初始中心點。

原创 吳恩達機器學習課筆記week 6

  其實這節課主要還是再將ML Strategy,但是我覺得有幾個點很好,總結在這裏: 評價模型時: 首先有一個對Hypothesis的評價指標,錯誤率啊,正確率啊,等等。 然後肯定也得有train/val/test數據集了。這裏是小數

原创 吳恩達機器學習課筆記week 3

本週主要講分類、邏輯迴歸以及正則化 分類 分類問題的幾個例子 判別一個郵件是/不是垃圾郵件 判別一個轉賬交易是/不是欺詐交易 判別腫瘤是惡性/良性 也就是說輸出的y的取值是{0,1}{0,1} ,0一般表示negative class

原创 吳恩達機器學習課筆記week 4

本週將的是非線性Hypothesis。 爲什麼需要non-linear hypothesis?   如果我們只是用多項式來表達的話,特徵數會以多項式的複雜度上升。比方說有N個輸入,2次的特徵,那麼我們就需要O(N^2)個特徵,3次的話,就

原创 Matrix Calculus Reference Links

http://explained.ai/matrix-calculus/index.html 基本的內容,主要涵蓋多元微積分的Jacobian矩陣等。 https://www.comp.nus.edu.sg/~cs5240/lectur

原创 基本產品與商業邏輯

  這是一個隨筆。   週末開車出去玩,途中一直在聽劉潤《五分鐘商學院》,聽到一個案例,覺得不錯,記錄在這裏。   產品,或者說基本的商業邏輯其實很簡單,總結成幾句話就是:人無我有,人有我優,人優我廉。這個可以說是高度精煉了整個產品/

原创 深度學習中的Matrix Calculus (2): Trace And Matrix Differential

  本篇主要內容就是矩陣標量函數的求導,基本思路就是: 給標量函數套上跡trace; 利用跡和矩陣微分的性質進行化簡,化簡到df=tr((∂f∂x)Tdx)df=tr((∂f∂x)Tdx) 就可以了 然後就可以得到∂f∂x∂