机器学习实战中文版：利用AdaBoost元算法提高分类性能1. 概述基于数据集多重抽样的分类器将不同的分类器组合起来，组合有多种形式：不同算法的，也可以是同一算法不同设置，还可以是数据集和分类器都不同，书上主要对AdaBoost进行了实现前人栽树，后人乘凉AdaBoost全称是自适应增强算法，是顺序级联的结构，使用的分类器类型是一样的，分类的结果是基于所有分类器的加权求和结果，每个权重代表的是其对

1、AutoPrune: Automatic Network Pruning by Regularizing Auxiliary Parameters自动剪枝：通过正则化辅助参数自动进行网络剪枝作者提出AutoPrune，通过优化一组辅助参数来实现剪枝，不过是基于权重剪枝，或能推广到神经元剪枝。其实是用这组超参数把网络稀疏问题表述为一个优化问题，一组超参数与权重的乘积表示为修剪后的权值矩阵。在我看

0. 前言剪枝（Pruning）是为了开发更小、更高效的神经网络。 就我面前的理解来说，主要是去掉权重张量中多余的值从而优化模型。 压缩后的神经网络运行速度更快，减少了训练网络的计算成本。1. 剪枝算法Regularization（正则化）0范数，向量中非零元素的个数。1范数，为绝对值之和。2范数，就是通常意义上的模。L0范数和L1范数对非零参数进行惩罚，使更多非零参数等于零，实现稀疏。L2范数是

0. 前言跟着师兄做知识图谱相关课题，果然知识图谱还是????和NLP结合，那就来把，先过一遍NLP。1. 理解词语词向量把词映射到空间中，根据夹角、距离和长短等判断词的相似性。Continuous Bag of Words (CBOW)前后的词预测中间的词Skip-Gram中间的词预测前后的词损失函数损失函数通过正采样和负采样设定，tf.nn.nce_loss抽样选取来传递loss...