李宏毅深度学习笔记-无监督学习-领域嵌入
Manifold Learning t-SNE的“N E”就是Neighbor Embedding的缩写。现在要做的事情就是之前讲过的降维，只不过是非线性的降维。 我们知道数据点可能是高维空间 ...
原文：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 只有input没有output ，有 U 笔ublabeled的数据。 通常做半监督学习的时候，我们常见的情景是ublabeled的数量远 ...
2020-06-14 17:13 3 2154 推荐指数：
相关推荐
李宏毅深度学习笔记-无监督学习-词嵌入
1-of-N encoding 词嵌入其实是降维的一种非常好，非常广为人知的应用。 如果要用一个向量表示一个词，最典型的做法是1-of-N encoding。每一个词用一个向量表示，向量的维度 ...
李宏毅深度学习笔记-无监督学习-降维
把无监督学习分成两种 一种是化繁为简，可以分成两大类：聚类和降维 所谓的化繁为简的意思是说，找一个函数，可以input看起来像树的东西，output都是抽象的树，把本来复杂的东西，变成比较简单的output。在做无监督学习时，通常只会有函数中的一边。比如找一个函数，可以把所有的树都变成抽象 ...
李宏毅深度学习笔记-无监督学习-深度自动编码器
什么是Auto-encoder 我们首先去找一个encoder，input一个东西，比如图像识别做MNIST的话，就是input一张手写数字图片（28 *28 维像素点），那就是input 78 ...
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seq2seq model with “self-attention"。Transformer在seq2seq ...
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 ...