放牧代码和思想
专注自然语言处理、机器学习算法

机器学习

第2页
谷歌深度学习公开课任务 5: Word2Vec&CBOW

谷歌深度学习公开课任务 5: Word2Vec&CBOW

hankcs阅读(465)评论(2)

课上讲的太简略了,原理参考《word2vec原理推导与代码分析》。谷歌给的代码也很简陋,只有负采样,没有哈夫曼树。另外单机word2vec已经那么高效了,我质疑上TF的意义。 任务 5: Word2Vec&CBOW 这次的任务是在t...

谷歌深度学习公开课任务 4: 卷积模型

谷歌深度学习公开课任务 4: 卷积模型

hankcs阅读(393)评论(0)

课上浅显地介绍了卷积网络,以及配套的常用技巧。速成嘛,没深入探讨原理。编程任务直接给出了实现,要求也只是在其基础上做些小改进,过过干瘾。 任务 4: 卷积模型 设计并训练一个卷积神经网络。 前两次任务中,我们实现了较深的全连接多层神经网络,...

谷歌深度学习公开课任务 3: 正则化

谷歌深度学习公开课任务 3: 正则化

hankcs阅读(362)评论(0)

这次的看点是怎么在TensorFlow里实现正则化、dropout和学习率递减的技巧;顺便演示了下自动调参。 任务 3: 正则化 使用正则化去优化深度学习模型 题目1 给上次练习实现的逻辑斯谛回归和神经网络加上L2正则,检查性能提升。 逻辑...

谷歌深度学习公开课任务 2: SGD

谷歌深度学习公开课任务 2: SGD

hankcs阅读(784)评论(1)

三言两语讲完了反向传播,一个公式也没有,果然是面向“懒惰工程师”的快餐教程。比较喜欢“不提神经元,我们不是巫婆”的观点。这次不需要自己写算法,直接上TensorFlow了。 任务 2: 随机梯度下降 使用梯度下降和随机梯度下降训练一个全连接...

谷歌深度学习公开课任务 1: notMNIST

谷歌深度学习公开课任务 1: notMNIST

hankcs阅读(733)评论(1)

这是谷歌在优达学城上开的公开课,感觉就是TensorFlow的宣传片。肉眼观测难度较低,作为入门第一课快速过掉也许还行。课程概述中说: 我们将教授你如何训练和优化基本神经网络、卷积神经网络和长短期记忆网络。你将通过项目和任务接触完整的机器学...

CS229编程8:异常检测与推荐系统

CS229编程8:异常检测与推荐系统

hankcs阅读(297)评论(0)

斯坦福ML(Matlab)公开课最后一次编程练习,实现了异常检测算法并应用于服务器异常检测,然后利用协同过滤实现一个电影推荐系统。至此又填完一个坑,matlab感觉也入门了。 异常检测 你收集了一些服务器的流量与延迟数据,假设大部分服务器都...

CS229编程7:K-means聚类与主成分分析

CS229编程7:K-means聚类与主成分分析

hankcs阅读(305)评论(4)

斯坦福ML(Matlab)公开课,这次练习先实现K-means聚类算法并应用于图像压缩,然后实现PCA并用于人脸图像,最后展示高维数据的可视化技巧。我发现matlab做动画特别方便,顺手把算法执行过程动画化了。 K-means聚类 循序渐进...

Python循序渐进主成分分析

Python循序渐进主成分分析

hankcs阅读(328)评论(0)

译自《Implementing a Principal Component Analysis (PCA)– in Python, step by step》,一步步地实现了PCA,验证了散布矩阵和协方差矩阵可以得到同样的子空间,并友好地可视...

CS229编程6:支持向量机

CS229编程6:支持向量机

hankcs阅读(361)评论(0)

斯坦福ML(Matlab)公开课,本次练习试验支持向量机,并应用于垃圾邮件分类。代码本身非常简单,理论知识参考《统计学习方法》或公开课视频。 支持向量机 这部分先在多个2D数据集上熟悉熟悉SVM和惩罚参数。 线性可分数据 简单的线性可分数据...

CS229编程5:正则化线性回归与偏差方差权衡

CS229编程5:正则化线性回归与偏差方差权衡

hankcs阅读(241)评论(0)

斯坦福ML(Matlab)公开课,本次练习将实现正则化线性回归、多项式回归,并且在不同的参数下拟合数据、绘制学习曲线。 正则化线性回归 利用水库水位预测流量。 可视化数据集 数据集被拆分为3部分: 训练集 交叉验证集,用来决定正则化参数 测...

我的开源项目

HanLP自然语言处理包基于DoubleArrayTrie的Aho Corasick自动机