李宏毅《機器學習 深度學習》簡要筆記（一）
P1 一、線性回歸中的模型選擇 上圖所示： 五個模型，一個比一個復雜，其中所包含的function就越多，這樣就有更大幾率找到一個合適的參數集來更好的擬合訓練集。所以，隨着模型的復雜度提 ...
原文：李宏毅機器學習筆記03（Classification: Probabilistic Generative Model）
分類問題：概率生成模型 概念： 從概率生成模型到判別模型 概率生成模型：由數據學習聯合概率密度分布P X,Y ，然后求出條件概率分布P Y X 作為預測的模型。例如：朴素貝葉斯 隱馬爾可夫 em算法 判別模型：由數據直接學習決策函數Y f X 或者條件概率分布P Y X 作為預測的模型。例如：k近鄰法 感知機 決策樹 邏輯回歸 線性回歸 最大熵模型 支持向量機 SVM 提升方法 條件隨機場 CRF ...
2019-07-20 16:42 0 427 推薦指數：
相關推薦
【筆記】機器學習 - 李宏毅 -- ELMO、BERT、GPT
1.背景知識 one-hot -> word class -> word embedding 不過傳統的word embedding解決不了多義詞的問題。 2. ELMO ...
【筆記】機器學習 - 李宏毅 -- Transformer
1.RNN和CNN的局限性 RNN是seq2seq的模型，RNN不易平行化，如果是單向的話，要輸出\(b^3\)，需要先看完\(a^1, a^2, a^3\)。如果是雙向的話，可以看完整個句子。 ...
李宏毅機器學習筆記（）GNN
一、introduction How do we utilize the structures and relationship to help our model? What if the graph is larger, like 20k ...
李宏毅機器學習筆記01（regression）
Regression 1、首先，什么是regression（回歸） 2、然后，實現回歸的步驟（機器學習的步驟） step1、model（確定一個模型）——線性模型 step2、goodness of function（確定評價函數）——損失函數 step3、best ...
李宏毅機器學習筆記12（Transfer Learning）
Transfer Learning 1、什么是遷移學習 2、如何實現遷移學習 1）source有label，target有label 一、model fine-tuning（模型微調） 方法一、conservative training（保守訓練 ...