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 ...
原文：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：推理 or 测试 给定一个对象 x ，求 large widetilde y arg max limits y in Y F x,y 给定任意一个 x ，穷举所有 y ，找出能让 F x,y 最大的 widetilde y 三问题 Q ：评估 ...
2020-07-04 22:04 0 656 推荐指数：
相关推荐
李宏毅深度学习笔记-结构化学习序列标注
之前讲了结构化学习的概念，其实学习都可以看做是两个步骤，只要回答三个问题，就可以解决所有学习的task。 序列标注 现在函数input是一个sequence，output也是一个sequence（先假设两个sequence的长度一样）。如上图所示，input \(x\)是\(x_1,x_2 ...
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，要让它们的参数一样多。 “浅”的model就会是一个矮胖的model，“深”的model就会 ...
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 ...