Anaconda是包管理器和环境管理器，Jupyter notebook 可以将数据分析的代码、图像和文档全部组合到一个web文档中。一、安装和使用AnacondaAnaconda指的是一个开源的Python发行版本，其包含了conda、Python等180多个科学包及其依赖项。Anaconda包括Conda、Python以及一大堆安装好的工具包，比如：numpy、pandas等；conda是一个

一、背景知识1.1 GCN的作用欧几里得结构：CNN处理的数据是矩阵形式，就是以像素点排列成的矩阵为基础。称为Euclidean Structure，欧几里得结构。拓扑结构(图结构)：GCN处理的数据是图结构，即Non Euclidean Structure非欧几里得结构，拓扑结构。如社交网络连接，信息网络等等。对于Non euclidean structure的数据，卷积神经网络就没有用了。对于

【传统的语义向量表示方法】one-hot：每个词表示为一个很长的向量，向量的维度是词表大小，其中只有一个维度的值为1，其它元素为0.词袋模型(BOW)：将语料库中所有词语装进一个袋子里，不考虑其词法和语序的问题，即每个词语都是独立的，语料库中所有的词组成一个清单进行映射匹配。对于每一个句子或文档，其对应的下标与映射数组的下标相匹配，其值为该词语出现的次数。例如：该例子来源于百度百科以下是...

回归树是决策树(采用“分而治之”的策略处理问题的一种方法)的特例。建模的因变量可以是数值型的，此时利用决策树处理回归问题；建模的因变量也可以是类别型的，此时利用决策树处理分类问题。决策树应用于回归问题时叫回归树，应用于分类问题时称为分类树。【决策树的主要优点】：模型具有可读性预测的速度快将自变量空间划分为J个矩形区域，一般采用一种自上而下、贪婪的方式：递归二叉分裂。自上而下指...

【背景】当拥有缺失数据的时候，可以迭代地做参数估计，例如高斯混合模型(GMM)。如图所示，我们要求对高斯混合模型的参数的最大似然估计。对于每一个数据点，它是由两个均值和方差未知的高斯分布来衡量的，并且该数据点分别以不同的未知的概率服从于这两个高斯分布。我们的目标就是估计每一个高斯分布的参数和每一个数据点以多大的概率服从于该高斯分布。【EM算法的直观解释】对于上面陈述的问题，如果我们知道每...

深度学习推荐算法综述推荐算法综述MLPCNNRNN推荐算法论文深度学习

【Tensor】Tensor是Pytorch中的基本对象，意思为张量，表示多维的矩阵，是Pytorch中的基本操作对象之一，Tensor与Numpy的array可以进行相互啊转换，转换函数为：# torch -> numpy:y = x.numpy()# numpy -> torch:x = y.torch.from_numpy()【Variable】Variable...

【LSTM】# 定义一个LSTM结构，在TensorFlow中通过一个简单的命令就可以实现一个完整的LSTM结构，LSTM中使用的变量也会在该函数中自动被声明lstm = tf.nn.rnn_cell.BasicLSTMCell(lstm_hidden_size)# 将LSTM中的状态初始化为全0数组，BasicLSTMCell类提供了zero_state函数来生成全0的初始状态，state是一个

tensorflow对卷积神经网络提供了非常好的支持，以下程序实现了一个卷积层的前向传播过程：# 卷积层的参数前两维代表过滤器的尺寸，第三个维度表示当前层的深度，第四个维度表示过滤器的深度filter_weight = tf.get_variable('weight', [5,5,3,16], initializer=tf.truncated_normal_initializer(stddev=0

强化学习实际上是找一个从观测到动作的最优映射函数，输入是外界观测，目标是奖励最大化。强化学习的主要特点：学习过程中没有监督信号，只要奖励(reward)其反馈(feedback)是延迟的而非瞬间的强化学习过程与时间序列相关，是一个序贯决策的过程agent采取的动作(action)会影响到它所接受的序列数据强化学习算法分类：model-free RL(不理解环境)：不具备环境的先...