![](../../asset/images/user/bgImg_default.jpeg)
简介
该用户还未填写简介
擅长的技术栈
可提供的服务
暂无可提供的服务
The principal components of A are its singular vectors, the columns Uj and v j of theorthogonal matrices U and V. Principal Component Analysis (PCA) uses the largest u’sconnected to the first u’s and
![文章图片](https://img-blog.csdnimg.cn/img_convert/77fcfea2a41749d7867f62f0e98b01ca.png)
文章目录1.背景1. 1 频率派1.2 贝叶斯派1.3 概率图模型1.背景HMM就是隐马尔科夫模型,全称 Hidden-Markov-Model .这个模型在以前的NLP问题占据非常重要的地位,可以作自然语言处理,语音识别等功能。在讲具体模型之前,我们应讲讲整个学科的背景。HMM隐马尔科夫模型从根本上来说是一种概率图模型。1. 1 频率派一开始我们知道,机器学习大致可以分为两派,频率派和贝叶斯派,
文章目录1. 优化和深度学习1.1 概述1.2 深度学习中的优化挑战2. 凸性1. 优化和深度学习1.1 概述优化算法的性能直接影响了模型的训练效率,在优化中,损失函数通常被称为优化问题的目标函数。优化的目标是关注最小化的目标;为了减少训练误差深度学习的目标是关注在给定有限的数据量的情况下寻找合适的模型。为了减少泛化误差1.2 深度学习中的优化挑战深度学习中遇到的很多目标函数是没有解析解,我们遇到
频率派机器学习
文章目录1. R-drop1.1 R-drop 原理2. 常见函数2.1 torch常见API1. R-drop论文链接:R-Drop: Regularized Dropout for Neural Networks1.1 R-drop 原理2. 常见函数2.1 torch常见APItorch.functional.padimport torchfrom torch.nn import funct
文章目录1. 李沐书籍2. 菜菜的sklearn3. 机器学习白板推导系列4. pytorch 源码分析5. 莫烦 系列1. 李沐书籍动手学深度学习pytorch版李沐大神已学到计算机视觉实用机器学习深度学习论文精读2. 菜菜的sklearnB站视频 -菜菜的sklearnsklearn3. 机器学习白板推导系列机器学习白板推导已经学到了第二十系列-高斯过程回归白板推导4. pytorch 源码分
在运行如下代码时:%matplotlib inlineimport numpy as npfrom IPython import displayfrom d2l import torch as d2ldef f(x):return 3*x**2-4*xdef numerical_lim(f, x, h):return (f(x + h) - f(x)) / hh = 0.1for i in ran
1.reshape(m,n)即: 将矩阵变成 m x n列矩阵1.1代码:import torchx = torch.arange(12) # 生成一维行向量 ,从1到11x1.1结果:tensor([ 0,1,2,3,4,5,6,7,8,9, 10, 11])1.2代码:x.reshape(3,4) # 将矩阵x变成 3行4列矩阵1.2结果:tensor([[ 0,1,2,3],[ 4,5,6,