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，向量的维度就是所有可能的词的数量，假如有10万个，那1-of-N encoding的维度就是十万维。每一个 ...
原文：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里的一个流形曲面，也可以说，数据点的分布其实是在一个低维的空间里面，只是被扭曲塞到了一个高维空间里。流形曲面常举的例子是地球，地球表面是一个流形曲面，是一个二维的平面，但是被塞到了一个三维的空间里。 在流形曲 ...
2020-06-22 21:51 0 608 推荐指数：
相关推荐
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-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 ...
无监督学习
等应用 机器学习的分类 监督学习 （Supervised Learning） ...
什么是有监督学习和无监督学习
监督学习，就是人们常说的分类，通过已有的训练样本（即已知数据以及其对应的输出）去训练得到一个最优模型（这个模型属于某个函数的集合，最优则表示在某个评价准则下是最佳的），再利用这个模型将所有的输入映射为相应的输出，对输出进行简单的判断从而实现分类的目的，也就具有了对未知数据进行分类的能力 ...