李宏毅深度學習筆記-結構化支持向量機
統一框架：兩步走，三問題 兩步 第一步：訓練 尋找一個函數 \(F:X \times Y \to R\) \(F(x,y)\)用來評估對象x和y的兼容性 or 合理性 第二步：推 ...
原文：李宏毅深度學習筆記-SVM支持向量機
什么是支持向量機 支持向量機有兩個特色： 第一個是使用了Hinge Loss 折頁損失函數 鉸鏈損失函數 另一個是最厲害的地方，有個kernel trick 核技巧 Hinge Loss kernel trick就是支持向量機 機器學習三個步驟 思考二分類任務，一個機器學習任務的解決過程有三個步驟 現在有一筆標注數據， hat y 用 ， 表示，代表兩個類別。 step ：定義一個函數 g x ， ...
2020-06-12 20:59 0 957 推薦指數：
相關推薦
李宏毅深度學習筆記-為什么要深度？
問題：越深越好？ 層數越多，參數越多，model比較復雜，數據又多的話，本來誤差就越小，這為什么歸因於”深“呢？ 矮胖結構 v.s. 高瘦結構 真正要比較”深“和”淺“的model的時候 ...
李宏毅深度學習筆記-Transformer
Transformer英文的意思就是變形金剛，Transformer現在有一個非常知名的應用，這個應用叫做BERT，BERT就是非監督的Transformer，Transformer是一個seq2se ...
李宏毅深度學習筆記-深度學習簡介
李宏毅深度學習筆記 https://datawhalechina.github.io/leeml-notes 李宏毅深度學習視頻 https://www.bilibili.com/video/BV1JE411g7XF step1 神經網絡 激活函數是sigmoid，紅色圈是一組神經元，每個 ...
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 ...
李宏毅深度學習筆記-半監督學習
半監督學習 什么是半監督學習？ 大家知道在監督學習里，有一大堆的訓練數據（由input和output對組成）。例如上圖所示\(x^r\)是一張圖片，\(y^r\)是類別的label。 半監督學習是說，在label數據上面，有另外一組unlabeled的數據，寫成\(x^u ...
李宏毅深度學習筆記-反向傳播
李宏毅深度學習筆記 https://datawhalechina.github.io/leeml-notes 李宏毅深度學習視頻 https://www.bilibili.com/video/BV1JE411g7XF 背景 梯度下降 假設有很多參數\(\theta\) 選擇一組初始值 ...
李宏毅深度學習筆記-Seq2seq
函數的input是兩個向量（\(h,x\))，output是另外兩個向量，寫作\(h',y\)，我們知道 ...