李宏毅《机器学习 深度学习》简要笔记（一）
P1 一、线性回归中的模型选择 上图所示： 五个模型，一个比一个复杂，其中所包含的function就越多，这样就有更大几率找到一个合适的参数集来更好的拟合训练集。所以，随着模型的复杂度提 ...
原文：【笔记】机器学习 - 李宏毅 -- ELMO、BERT、GPT
.背景知识 one hot gt word class gt word embedding 不过传统的word embedding解决不了多义词的问题。 . ELMO 为了解决上述问题，首先有了ELMO。 它是一个双向的RNN网络，这样每一个单词都对应两个hidden state，进行拼接便可以得到单词的Embedding表示。当同一个单词上下文不一样，得到的embedding就不同。 当然也可 ...
2020-04-07 19:25 0 615 推荐指数：
相关推荐
李宏毅机器学习笔记01（regression）
Regression 1、首先，什么是regression（回归） 2、然后，实现回归的步骤（机器学习的步骤） step1、model（确定一个模型）——线性模型 step2、goodness of function（确定评价函数）——损失函数 step3、best ...
李宏毅机器学习笔记12（Transfer Learning）
Transfer Learning 1、什么是迁移学习 2、如何实现迁移学习 1）source有label，target有label 一、model fine-tuning（模型微调） 方法一、conservative training（保守训练 ...
李宏毅机器学习笔记（）GNN
一、introduction How do we utilize the structures and relationship to help our ...
【笔记】机器学习 - 李宏毅 -- Transformer
1.RNN和CNN的局限性 RNN是seq2seq的模型，RNN不易平行化，如果是单向的话，要输出\(b^3\)，需要先看完\(a^1, a^2, a^3\)。如果是双向的话，可以看完整个句子。 ...
【笔记】机器学习 - 李宏毅 -- Explainable ML 可解释性机器学习
课程笔记 前言 两种可解释性： 局部解释：为什么这种图是猫？ 全局解释：猫是什么样子的？ 为什么需要可解释机器学习？（打开黑盒） 一般的提升效果的方法就是一顿暴调参数，可解释性可以帮助我们更好地提升模型性能。 其实人也是个黑盒（这个观点太6了）。 可解释机器学习的目标，不需要 ...