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 ...
原文：李宏毅深度學習筆記-無監督學習-降維
把無監督學習分成兩種 一種是化繁為簡，可以分成兩大類：聚類和降維 所謂的化繁為簡的意思是說，找一個函數，可以input看起來像樹的東西，output都是抽象的樹，把本來復雜的東西，變成比較簡單的output。在做無監督學習時，通常只會有函數中的一邊。比如找一個函數，可以把所有的樹都變成抽象的樹，但是擁有的數據，只有一大堆各種不同的圖像，不知道它的output長什么樣子。 另外一種是無中生有，找一 ...
2020-06-20 22:11 0 1428 推薦指數：
相關推薦
李宏毅深度學習筆記-無監督學習-領域嵌入
Manifold Learning t-SNE的“N E”就是Neighbor Embedding的縮寫。現在要做的事情就是之前講過的降維，只不過是非線性的降維。 我們知道數據點可能是高維空間里的一個流形曲面，也可以說，數據點的分布其實是在一個低維的空間里面，只是被扭曲塞到了一個高維空間 ...
李宏毅深度學習筆記-無監督學習-詞嵌入
1-of-N encoding 詞嵌入其實是降維的一種非常好，非常廣為人知的應用。 如果要用一個向量表示一個詞，最典型的做法是1-of-N encoding。每一個詞用一個向量表示，向量的維度就是所有可能的詞的數量，假如有10萬個，那1-of-N encoding的維度就是十萬維。每一個 ...
李宏毅深度學習筆記-無監督學習-深度自動編碼器
什么是Auto-encoder 我們首先去找一個encoder，input一個東西，比如圖像識別做MNIST的話，就是input一張手寫數字圖片（28 *28 維像素點），那就是input 78 ...
無監督學習——降維
為什么要降維？ 維數少可以使算法有更快的計算速度，減少機器內存占用等 多個特征攜帶的“信息”有相同或類似的情況（冗余） 用於數據可視化 如何降維？ 簡單的例子，對於二位數據 可以找到一條線 將所有的數據映射到這條線上 然后用映射后的一維數據去代表二位數 ...
6.無監督學習-降維
PCA算法及其應用 1.主成分分析（PCA） 1.主成分分析(Principal Component Analysis,PCA) 是最常用的一種降維方法，通常用於高維數據集的探索與可視化，還可以用做數據壓縮和預處理等。2.PCA可以把具有相關性的高維變量合成為線性無關的低維變量，稱為主成分 ...
機器學習基礎---無監督學習之降維
一：降維之數據壓縮 將討論第二種無監督學習的問題：降維。數據壓縮不僅能讓我們對數據進行壓縮，使得數據占用較少的內存和硬盤空間，還能對學習算法進行加速。 （一）降維是什么（二維降至一維） 假使我們要采用兩種不同的儀器來測量一些東西的尺寸，其中一個儀器測量結果的單位是英寸，另一個儀器測量的結果是 ...
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 ...