李宏毅深度学习笔记-结构化支持向量机
统一框架：两步走，三问题 两步 第一步：训练 寻找一个函数 \(F:X \times Y \to R\) \(F(x,y)\)用来评估对象x和y的兼容性 or 合理性 第二步：推 ...
原文：李宏毅深度学习笔记-SVM支持向量机
什么是支持向量机 支持向量机有两个特色： 第一个是使用了Hinge Loss 折页损失函数 铰链损失函数 另一个是最厉害的地方，有个kernel trick 核技巧 Hinge Loss kernel trick就是支持向量机 机器学习三个步骤 思考二分类任务，一个机器学习任务的解决过程有三个步骤 现在有一笔标注数据， hat y 用 ， 表示，代表两个类别。 step ：定义一个函数 g x ， ...
2020-06-12 20:59 0 957 推荐指数：
相关推荐
李宏毅深度学习笔记-为什么要深度？
问题：越深越好？ 层数越多，参数越多，model比较复杂，数据又多的话，本来误差就越小，这为什么归因于”深“呢？ 矮胖结构 v.s. 高瘦结构 真正要比较”深“和”浅“的model的时候 ...
李宏毅深度学习笔记-Transformer
Transformer英文的意思就是变形金刚，Transformer现在有一个非常知名的应用，这个应用叫做BERT，BERT就是非监督的Transformer，Transformer是一个seq2se ...
李宏毅深度学习笔记-深度学习简介
李宏毅深度学习笔记 https://datawhalechina.github.io/leeml-notes 李宏毅深度学习视频 https://www.bilibili.com/video/BV1JE411g7XF step1 神经网络 激活函数是sigmoid，红色圈是一组神经元，每个 ...
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 ...
李宏毅深度学习笔记-半监督学习
半监督学习 什么是半监督学习？ 大家知道在监督学习里，有一大堆的训练数据（由input和output对组成）。例如上图所示\(x^r\)是一张图片，\(y^r\)是类别的label。 半监督学习是说，在label数据上面，有另外一组unlabeled的数据，写成\(x^u ...
李宏毅深度学习笔记-反向传播
李宏毅深度学习笔记 https://datawhalechina.github.io/leeml-notes 李宏毅深度学习视频 https://www.bilibili.com/video/BV1JE411g7XF 背景 梯度下降 假设有很多参数\(\theta\) 选择一组初始值 ...
李宏毅深度学习笔记-Seq2seq
函数的input是两个向量（\(h,x\))，output是另外两个向量，写作\(h',y\)，我们知道 ...