原创 numpy實現周志華機器學習 9.4.1 k均值聚類

本文主要參考周志華《機器學習》的9.4.1章節,對以k均值聚類爲代表的原型聚類做簡單介紹,並使用numpy實現kmeans聚類。 在講kmeans聚類之前,先說一說原型聚類。 原型聚類亦稱“ 基於原型的聚類” ,此類算法假設聚類

原创 numpy實現周志華機器學習 9.4.3 高斯混合聚類(GMM算法)

本文主要參考周志華《機器學習》的9.4.3章節,對高斯混合聚類的原理做簡單介紹,並使用numpy實現GMM。 要想很好得理解掌握高斯混合聚類算法,以我的學習經驗來看,需要掌握兩方面背景知識。 多維正態分佈 EM算法 關於上述兩

原创 迴歸模型原理與應用 (波士頓房價預測)

迴歸一詞由弗朗西斯·高爾頓爵士(1822-1911)提出,他發現父母一高一矮的人,身高區域父母身高之間,這種現象被他稱爲“向均值迴歸”。迴歸是研究自變量X和因變量Y之間的關係。X與Y之間的關係可以用迴歸函數表示,所以迴歸問題的估計

原创 吳恩達 序列模型_學習筆記2 詞嵌入 word2vec

我也是一個nlp新手,在這裏將自己的學習心得總結下來,希望可以幫助到也在共同學習的同志們。 目錄1、詞嵌入是什麼?2.使用詞嵌入2.1、遷移學習與詞嵌入2.2 與face encoding的關聯3. 詞嵌入應用在類比推理4,5,6

原创 吳恩達 序列模型_學習筆記3 seq2seq 序列模型和注意力機制

我也是一個nlp新手,在這裏將自己的學習心得總結下來,希望可以幫助到也在共同學習的同志們。 目錄1、基本概念2、選擇最可能的句子3、Beam search 算法4、改進的Beam search5、Beam search的誤差分析6

原创 吳恩達 序列模型_學習筆記1 循環神經網絡 RNN

1 序列模型的應用 應用十分廣泛,主要有語音識別、自然語言處理等。可以根據輸入和輸出的類別對其分類。 2 詞語表示 one-hot word2vec 3 循環神經網絡 語言模型爲什麼不適用傳統神經網絡? 1、輸入和輸出的長度會改

原创 tensorflow筆記-文本情感分類

本文是在學習tensorflow2.0官方教程時的一個筆記,原始教程請見文本情感分類 準備工作 1. 安裝tensorflow並導入相關庫 如果已經安裝了可以略去此步 !pip install tensorflow import

原创 tensorflow2.0筆記-基本概念

本文是在學習tensorflow2.0官方教程時的一個筆記,原始教程請見[張量與操作]。(https://www.tensorflow.org/tutorials/customization/basics) 1 導入tensorf

原创 numpy實現周志華機器學習 9.5 密度聚類(DBSCAN算法)

本文主要參考周志華《機器學習》的9.6章節,對密度聚類做簡單介紹,並使用numpy對具有代表性的DBSCAN密度聚類算法進行實現。 1、何爲密度聚類? 密度聚類顧名思義是一種基於密度的聚類方法, 此類算法假設聚類結構能通過樣本分