一、前述CNN和RNN几乎占据着深度学习的半壁江山，所以本文将着重讲解CNN+RNN的各种组合方式，以及CNN和RNN的对比。二、CNN与RNN对比1、CNN卷积神经网络与RNN递归神经网络直观图2、相同点：2.1. 传统神经网络的扩展。2.2. 前向计算产生结果，反向计算模型更新。2.3. 每层神经网络横向可以多个神经元共存,纵向可以有多层神经网...

本节的话我们开始讲解sklearn里面的实战：先看下代码：from sklearn.neural_network import MLPClassifierX = [[0, 0],[1, 1]]y = [0, 1]clf = MLPClassifier(solver='sgd', alpha=1e-5, activation='logistic',...

大白话5分钟带你走进人工智能-第二十节逻辑回归和Softmax多分类问题(5)上一节中，我们讲解了逻辑回归的优化，本节的话我们讲解逻辑回归做多分类问题以及传统的多分类问题，我们用什么手段解决。先看一个场景，假如我们现在的数据集有3个类别，我们想通过逻辑回归建模给它区分出来。但我们知道逻辑回归本质上是区分二分类的算法模型。难道没有解决办法了吗？...

一、前述架构：问题：1、压缩会损失信息2、长度会影响准确率解决办法：Attention机制：聚焦模式“高分辨率”聚焦在图片的某个特定区域并以“低分辨率”，感知图像的周边区域的模式。通过大量实验证明，将attention机制应用在机器翻译，摘要生成，阅读理解等问题上，取得的成效显著。比如翻译：“”知识”只是聚焦前两个字。每个C取不同的概率和值：...

一、前述怎么样对训练出来的模型进行评估是有一定指标的，本文就相关指标做一个总结。二、具体1、混淆矩阵混淆矩阵如图：第一个参数true，false是指预测的正确性。第二个参数true,postitives是指预测的结果。相关公式：检测正列的效果：检测负列的效果：公式解释：fp_rate：tp_rate:...

一、前述强化学习是学习一个最优策略(policy)，可以让本体(agent)在特定环境(environment)中，根据当前的状态(state)，做出行动(action)，从而获得最大回报(G or return)。通俗点说：学习系统没有像很多其它形式的机器学习方法一样被告知应该做出什么行为，必须在尝试了之后才能发现哪些行为会导致奖励的最大化，当前的行为可能不仅仅会影响即时奖励，还会影响下...

第三节最大似然推导mse损失函数（深度解析最小二乘来源）       在第二节中，我们介绍了高斯分布的来源，以及其概率密度函数对应的参数的解释。本节的话，我们结合高斯分布从数学原理部分解释为什么损失函数是最小二乘。 我们再来回归下高斯分布的概率密度函数实际上是这个形式的：f(x)=1σ2πe−(x−u)22σ2f(x)=\frac{1}{\sigma ...

目录大白话5分钟带你走进人工智能-第一节开篇介绍以及线性回归简介篇大白话5分钟带你走进人工智能-第二节概率基础及高斯分布大白话5分钟带你走进人工智能-第三节最大似然推导m...

大白话系列更新了~~链接如下：https://blog.csdn.net/LHWorldBlog/article/details/103504725目录如下：本节讲解XGBoost的原理~目录1、回顾：1.1 有监督学习中的相关概念1.2 回归树概念1.3 树的优点2、怎么训练模型：2.1 案例引入2.2 XGBoost目标函数求解3、XGB...

文本处理方式是深度学习领域中自然语言处理的基础，即把文本转变成计算机识别的语言过程。转变之后才能用算法做后续的文本分析和理解。所以有必要了解文本处理的几种方式，做到对不同的场景采用不同的处理方式。常见的文本处理方式有独热编码(one-hot)，词袋法(Bag of words)，TF-IDF和词向量(Word2Vec)这4种，我们分别为大家解释。