原创 筆記(總結)-SVM(支持向量機)的理解-3
上篇講述的Soft Margin SVM是爲了解決線性不可分的問題，它解決問題的邏輯是通過允許一部分樣本分得不那麼準確（進入“楚河漢界”）甚至錯分，使得在絕大多數樣本能夠正確地線性可分。本篇引入核函數(kernel)，從另一個思維
2020-02-24 03:56:31
1
原创 筆記(總結)-SVM(支持向量機)的理解-4
前三篇主要是介紹SVM的原理。最初SVM的原問題是凸二次優化問題，有現成的算法可以求解，費盡周折轉換到對偶問題，一是在對偶問題形勢下可以使用核函數，二是對偶問題我們可以高效求解。本篇主要介紹如何求解SVM。 SMO：Sequent
2020-02-24 03:56:31
2
原创 筆記(總結)-XGBoost的前世今生
現今的各類數據挖掘比賽中，決策樹模型佔據了半壁江山（另外半壁基本就是神經網絡模型）。決策樹，本質上來說就是通過一系列的“規則”將樣本集不斷劃分歸類，最後歸爲同一類的樣本被認爲是相似的，賦予相同的預測值。 決策樹相對於其他機器學習模
2020-02-24 03:56:21
73
原创 筆記(總結)-SVM(支持向量機)的理解-1
SVM即支持向量機作爲神經網絡復興前的最強大模型，建模和推導有着嚴密的數學推導作爲基礎，在訓練完成後計算速度也較快，得到了廣泛的應用。本文先闡述SVM的基本問題和推導過程，再引入軟間隔的SVM，最後引入核函數和求解方法。 問題引
2020-02-24 03:56:21
3
原创 筆記(總結)-PCA(主成分分析)
主成分分析是一種特徵抽取手段，通過將樣本從原始空間映射到低維空間實現特徵數量的減少，而低維空間中某一維度實際上是原始空間的一種“雜糅”表示。在之前的博客中提到過參考鏈接，由於PCA涉及的數學手段包括矩陣、特徵值和特徵向量，參考筆記
2020-02-24 03:56:21
3
原创 筆記-話題模型&LDA
列出學習LDA過程中參考的鏈接，其中第一條鏈接中的博主講述得十分清晰詳細： 通俗理解LDA主題模型 主題模型-LDA淺析 - CSDN博客
2020-02-24 03:56:21
原创 筆記-Python庫-matplotlib, numpy, scipy, pandas
用Python作數據分析時，常用的基礎庫有matplotlib, numpy, scipy, pandas，功能強大且繁雜。記下來所有的用法是不實際的，需要做的是記住每個庫大概有哪些功能，在具體場景中能快速找到相關文檔並使用。知乎
2020-02-24 03:56:21
原创 筆記(總結)-SVM(支持向量機)的理解-2
上一篇我們討論了SVM的建模由來與推導過程，最終得出了SVM的對偶問題和解的形式，不過這都基於一個重要前提，即樣本集是線性可分的。爲了解決線性不可分情況下的分類問題，我們引入soft margin SVM，即軟間隔SVM。 爲了
2020-02-24 03:56:21
原创 筆記-AlphaGo解析
最近在知乎上看到一篇文章，從minimax入手講AlphaGo。講解通俗易懂，正好最近算法課BDB也講了些minimax，學習之。鏈接如下： 淺述：從 Minimax 到 AlphaZero，完全信息博弈之路（1） 做的筆記如下：
2020-02-24 03:56:21
原创 筆記-Capsule
前一篇講述AlphaGo的博主還有一篇專欄，以Capsule爲引子，從最初的BP->RBM->CNN->Capsule詳細講述了神經網絡的發展進程以及當前CNN模型的缺陷，最終分析了Hinton提出的Capsule新概念。參考鏈接
2020-02-24 03:56:21
原创 論文列表——NAACL 2019
最近NAACL-2019接收列表出了，列出感興趣的paper，供之後閱讀： 名稱 類型 關鍵字 閱讀價值 筆記 Deep Adversarial Learning for NLP tutorial Transf
2019-03-07 14:27:44
8
原创 論文列表——雜
這篇博文主要是記錄平常通過各類渠道（公衆號推送、知乎瀏覽、博客閱讀等等）獲知的質量較高論文的筆記。可能有各個類別的，可能有幾年的經典論文重讀，或者是2018年好的科研成果，這裏進行簡要記錄，之後基本都是要單開博文來詳細寫筆記的。
2019-01-26 17:52:49
原创 論文列表——EMNLP 2018
EMNLP 2018去年十一月開完會了，又出了很多文章。根據自己的興趣點選了一些，平常慢慢讀，持續更新到這篇博文。這篇博文記錄下這些文章的簡要筆記，好的文章會標上“TO BE CONTINUED”，之後會再開單獨的博文來做筆記。列表如
2019-01-26 17:52:49
原创 論文列表——stance detection
這學期做了一些和stance detection相關的工作，stance detection，可理解爲“立場檢測”，stance即爲人對個體、事物、事件所表現出的看法或者態度，如“支持、反對”。stance detection雖然也屬
2019-01-25 18:08:36
187
原创 論文列表——sentiment analysis
情感分類屬於文本分類的一個應用場景，一般都是人（用戶）對某些具體事物（商品、事件）表達某些情感。落地場景是很多的。這學期最開始是做stance detection相關的工作，而其中target-specific stance dete
2019-01-25 18:08:36
17