首页
学习
活动
专区
工具
TVP
发布

机器学习算法与Python学习

专栏成员
1142
文章
1385909
阅读量
187
订阅数
【图解机器学习】人人都能懂的算法原理
机器学习这个主题已经很普遍了,每个人都在谈论它,但很少有人能够透彻地了解它。当前网络上的一些机器学习文章晦涩难懂,理论性太强,或者通篇云里雾里地介绍人工智能、数据科学的魔力以及未来的工作等。
昱良
2020-04-14
5620
开源 | 最牛无监督学习BigBiGAN预训练模型
近日,DeepMind发布了预训练的BigBiGAN表示学习模型,开源代码可以在TF Hub上找到。
昱良
2019-10-13
1.1K0
深度概览卷积神经网络全景图,没有比这更全的了
深度卷积神经网络是这一波 AI 浪潮背后的大功臣。虽然很多人可能都已经听说过这个名词,但是对于这个领域的相关从业者或者科研学者来说,浅显的了解并不足够。近日,约克大学电气工程与计算机科学系的 Isma Hadji 和 Richard P. Wildes 发表了一篇《我们该如何理解卷积神经网络?》的论文:
昱良
2019-07-04
5080
资源 | 源自斯坦福CS229,机器学习备忘录在集结
在 Github 上,afshinea 贡献了一个备忘录对经典的斯坦福 CS229 课程进行了总结,内容包括监督学习、无监督学习,以及进修所用的概率与统计、线性代数与微积分等知识。
昱良
2018-12-13
4090
收藏 | 数据分析师最常用的10个机器学习算法!
在机器学习领域,有种说法叫做“世上没有免费的午餐”,简而言之,它是指没有任何一种算法能在每个问题上都能有最好的效果,这个理论在监督学习方面体现得尤为重要。
昱良
2018-09-29
5230
深度学习综述:Hinton、Yann LeCun和Bengio经典重读
翻译 | kevin,刘志远 审校 | 李成华 深度学习世界 【编者按】深度学习三巨头Geoffrey Hinton、Yann LeCun和Yoshua Bengio对AI领域的贡献无人不知、无人不晓。本文是《Nature》杂志为纪念人工智能60周年而专门推出的深度学习综述,也是Hinton、LeCun和Bengio三位大神首次合写同一篇文章。该综述在深度学习领域的重要性不言而喻,可以说是所有人入门深度学习的必读作品。 本文上半部分深入浅出介绍深度学习的基本原理和核心优势,下半部分则详解CNN、分布式特征表
昱良
2018-04-09
7160
干货 | 深度学习应用中需要思考的问题
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 我在这儿只是列出了一部分该考虑的问题,各位小伙伴们可以在下面留言区进行补充。算法学习的过程不要想当然,从实际角度切入可能会让你少走很多弯路。 对于下列问题,我们无法给出统一的回答,因为答案取决于您想要解决的具体问题。但是,我们希望本文中列出的各项因素能引导您在初期系统地思考如何选择算法和工具: 我要解决的是有监督学习问题,还是无监督问题?如果是有监督学习,那么是分类问题还是回归问题?有
昱良
2018-04-09
5750
视频 | Yann LeCun:人工智能下一站——无监督学习
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四
昱良
2018-04-08
6330
干货|谷歌大规模机器学习:模型训练、特征工程和算法选择
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 谷歌机器学习:实际应用技巧 什么是机器学习(ML)? 从概念上讲:给定(训练
昱良
2018-04-08
3.1K0
深度卷积生成对抗网络的无监督学习,补全人脸合成图像匹敌真实照
关键字全网搜索最新排名 【机器学习算法】:排名第一 【机器学习】:排名第二 【Python】:排名第三 【算法】:排名第四 我们会再接再厉 成为全网优质的技术类公众号 Github 用户 saikat
昱良
2018-04-08
1.1K0
SoftMax回归详解
Contents 1 关键词 2 引言 3 代价函数 4 softmax回归模型参数化的特点 5 权重衰减 6 softmax与logistics回归的关系 1. 关键词 Softmax回归 Softmax Regression 有监督学习 supervised learning 无监督学习 unsupervised learning 深度学习 deep learning logistic回归 logistic regression 截距项
昱良
2018-04-08
1.6K0
特征学习
Contents 1 关键词 2 为什么需要进行特征学习 3 无监督学习解决的问题 4 功能强大的特征学习 1. 关键词 自我学习/自学习 self-taught learning 无监督特征学习 unsupervised feature learning 自编码器 autoencoder 白化 whitening 激活量 activation 稀疏自编码器 sp
昱良
2018-04-08
1.5K0
深度学习之自编码与稀疏性
自编码算法与 稀疏性 目前为止,我们已经讨论了神经网络在监督学习中的应用。在监督学习中,训练样本是有标签的。现在假设我们只有一个无类别标签的训练样本集合{x[^1], x[^2],...,x[^m]}
昱良
2018-04-08
8360
自动编码器优化之主成分分析
Contents 1 引言 2 实例和数学背景 3 旋转数据 4 数据降维 5 还原近似数据 6 选择主成分个数 1. 引言 主成分分析(PCA)是一种能够极大提升无监督特征学习速度的数据降维算法。更重要的是,理解PCA算法,对实现白化算法有很大的帮助,很多算法都先用白化算法作预处理步骤。 假设你使用图像来训练算法,因为图像中相邻的像素高度相关,输入数据是有一定冗余的。具体来说,假如我们正在训练的16x16灰度值图像,记为一个256维向量 x→R[^256] ,其中特征值 x[j] 对应每个像素的亮度值。由
昱良
2018-04-08
9610
神经网络
神经网络 来源:UFLDL教程 本文为神经网络综合系列的第一篇,通过学习,你也将实现多个功能学习/深度学习算法,能看到它们为你工作,并学习如何应用/适应这些想法到新问题上。文章内容是假定您有基本的机器学习基础之上进行的(特别是熟悉的监督学习,逻辑回归,梯度下降的想法),如果你不熟悉这些想法,我们建议你去这里机器学习课程http://openclassroom.stanford.edu/MainFolder/CoursePage.php?course= Machine Learning,并先完成第II,III
昱良
2018-04-08
9120
Deep learning (2) -- RBM(受限玻尔兹曼机)
接上一篇Deep learning (1) -- 概述、分布式表示与思想 九、Deep Learning的常用模型或者方法 9.1、AutoEncoder自动编码器 具体过程简单的说明如下: 1
昱良
2018-04-08
1.2K0
没有更多了
社区活动
【纪录片】中国数据库前世今生
穿越半个世纪,探寻中国数据库50年的发展历程
Python精品学习库
代码在线跑,知识轻松学
博客搬家 | 分享价值百万资源包
自行/邀约他人一键搬运博客,速成社区影响力并领取好礼
技术创作特训营·精选知识专栏
往期视频·千货材料·成员作品 最新动态
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档