概率图模型–贝叶斯网络 – 潘登同学的Machine Learning笔记文章目录概率图模型--贝叶斯网络 -- 潘登同学的Machine Learning笔记概率图模型什么是概率图概率图模型的三要素--表示、推理、学习概率图模型的表示概率图模型的推理概率图模型的学习三者的联系贝叶斯网络朴素贝叶斯贝叶斯网络条件独立深刻理解独立与条件独立回到 `联合概率的乘积表示为局部条件概率表的乘积`详解边权值再

卷积神经网络优化–潘登同学的深度学习笔记文章目录卷积神经网络优化--潘登同学的深度学习笔记Alexnet网络结构连续使用小的卷积核的作用使用1*1的卷积核的作用使用1*1卷积核代替全连接Dropout技术使用方法为什么Dropout技术多用在全连接层数据增强技术VGG16网络Topolopy结构VGG16及其变形Inception-V1Inception的NIN回顾1*1卷积核的作用解决超深度网络

聚类算法K-mean及其变形 – 潘登同学的Machine Learning笔记文章目录聚类算法K-mean及其变形 -- 潘登同学的Machine Learning笔记无监督机器学习数据间的相似度距离公式聚类K-means聚类K-mean的loss举个栗子:总结K-Mediods聚类二分K-meansK-means++Mini-batch Kmeans无监督机器学习回顾有监督机器学习给定训练集

【已解决】安装gensim包时报错setup.py install for gensim … error问题描述包管理工具 – condapython版本 – 3.6深度学习框架 – tensorflow_gpu 1.15.0在虚拟环境中安装gensim失败,错误是一堆红字，其中有那么几句白色字的setup.py install for gensim … error安装的时候我是在虚拟环境下pip

模型设定问题–潘登同学的计量经济学笔记文章目录模型设定问题--潘登同学的计量经济学笔记函数误设问题RESET -- 对函数误设的检验RESET的作用及缺陷对非嵌套模型的检验构造综合模型戴维斯-麦金农检验(Davidson and MacKinnon[1981])非嵌套模型检验的问题代理变量找到代理变量用滞后变量作为代理变量随机斜率模型无偏估计异方差性随机斜率模型总结测量误差下的OLS因变量的测量误

Microstructure in the Machine Age(Marcos López de Prado) – 论文精读文章目录Microstructure in the Machine Age(Marcos López de Prado) -- 论文精读总览方法论微观市场结构与高频交易变量说明输入变量预测变量随机森林变量重要性衡量指标数据集 -- 迄今为止用于microstructure研

多元回归分析–潘登同学的计量经济学笔记文章目录多元回归分析--潘登同学的计量经济学笔记多元线性回归模型普通最小二乘法得到OLS估计值对OLS回归方程的解释多元线性回归中"保持其他因素不变”的含义OLS的拟合值和残差的性质（由单变量推广）对多元回归“排除其他变量影响”的解释拟合优度简单回归和多元回归估计值的比较OLS估计值的期望值在回归模型中包含了无关变量遗漏变量的偏误：简单情形遗漏变量的偏误：一般

知识抽取是知识图谱与NLP的交叉领域；知识图谱工程可以从关系型数据库中获取知识从视觉数据获取知识,（Scene Graph Construction之前的Caption-LSTM看图说话也可以理解为从视觉数据获取知识）从文本获取知识核心就是NLP的序列标注问题，这里不再赘述；最开始先是机器学习模型HMM为主，后被深度学习模型取代BiLSTM-CRF；总结一下HMM模型即可对于网络的Head部分有这

pix2pix论文详解 – 潘登同学的对抗神经网络笔记文章目录pix2pix论文详解 -- 潘登同学的对抗神经网络笔记pix2pix简介模型输入与GAN的区别Loss函数的选取conditional GAN的loss生成器网络结构判别器网络结构训练过程生成器G的训练技巧将dropout用在预测评估指标艺术欣赏pix2pix在语义标签图转真实照片、简笔画转真图、黑白图像上色、卫星航拍图转地图等图像转

在这项工作中，为了解决单一自回归框架带来的问题，并探索大规模参数的知识增强预训练模型的性能，我们提出了一个名为ERNIE 3.0的统一框架，通过融合自回归网络和自编码网络，在由纯文本和大规模知识图谱组成的4TB语料库上训练大规模知识增强模型。在过去的一两年里，预训练语言模型的一个重要趋势是其模型规模不断扩大，这导致预训练的困惑度降低，在下游任务中表现更好。此外，大多数大规模的模型是以自回归的方式进