轩窗尘清

摘要： 1. 在官网上下载pycharm社区版安装包. 2. 按照该教程进行安装： https://jingyan.baidu.com/article/f00622286e92f4fbd2f0c855.html 3. 当出现interpreter field is empty 应该是因为没有python依赖 阅读全文

摘要： 在强化学习任务中，学习的目的就是找到能够长期累积奖赏最大化的策略。这里的策略实际上就相当于监督学习中的分类器或回归器，模型的形式并无差别。但不同的是，在强化学习中并没有监督学习中的有标记样本，换言之，没有人直接告诉机器在什么动作，只有等到最终结果揭晓，才能通过“反思”之前的动作是否正确来进行学习。因 阅读全文

摘要： 概率图模型是一类用图来表达变量相关关系的概率模型。它以图为表示工具，最常见的是用一个结点表示一个或一组随机变量，结点之间的边表示变量间的概率相关关系，即“变量关系图”。根据边的性质不同，概率图模型可大致分为两类： 1. 使用有向无环图表示变量间的依赖关系，称为有向图模型或贝叶斯网； 2. 使用无向图 阅读全文

摘要： 让学习器不依赖外界交互、自动地利用未标记样本来提升学习性能，就是半监督学习。 要利用未标记样本，必然要做一些将未标记样本所揭示的数据分布信息与类别标记相联系的假设。最常见的是“聚类假设”，即假设数据存在簇结构，同一个簇的样本属于同一类别。半监督学习中另一种常见的假设是“流形假设”，即假设数据分布在一 阅读全文

摘要： 卷积神经网络（Convolutional Neural Network， CNN），是深度学习技术中极具代表性的网络结构，它的应用非常广泛，尤其是在计算机视觉领域取得了很大的成功。CNN相较于传统的图像处理算法的优点就在于，避免了对图像复杂的前期预处理过程（即大量的人工提取特征工作），也就是说CNN 阅读全文

摘要： 递归神经网络（RNN）是两类人工神经网络的总称，分别是时间递归神经网络和结构递归神经网络。（ps：也有很多文献称之为递归神经网络和循环神经网络）。 RNN在基础研究领域和工程领域都取得了很多突破性进展。在自然语言处理领域，采用神经网络模型来改进传统的N元统计模型。还应用于机器翻译领域、语音识别和个性 阅读全文

摘要： 深度学习研究的对象是具有深层表示的学习模型，它实际上是由两种不同的类型构成： 1.以神经网络为核心的深度神经网络； 2.以概率图模型为核心的深度图模型。 下面介绍深度概率图模型。 常用的深度图模型 玻尔兹曼机（Boltzmann Machine，BM）。 它是马尔科夫无向图网络中的一种，以顶点表示随 阅读全文

摘要： 自编码器是一种无监督的神经网络模型，其核心的作用是能够学习到输入数据的深层表示。 当前自编码器的主要应用有两个方面：一是特征提取；另一个是非线性降维，用于高维数据的可视化，与流行学习关系密切。 自编码器（AutoEncoder，AE）：最原始的AE网络是一个三层的前馈神经网络结构，由输入层、隐藏层和 阅读全文

摘要： 将属性称之为特征，对当前学习任务有用的属性称为“相关特征”，没什么用的属性称为“无关特征”。从给定得到特征集合中选择出相关特征子集的过程，称为 特征选择。 为什么进行特征选择呢？ 1. 在现实任务中经常会遇到维数灾难问题，就是因为属性过多造成的，若能从中选择出重要的特征，使得后续学习过程仅需在一部分 阅读全文

摘要： 在高维情形下出现的数据样本稀疏、距离计算困难等问题，是所有机器学习方法共同面临得到严重障碍，被称为“维数灾难”。缓解维数灾难的一个重要途径是降维。也称“维数约简”，即通过某种数学变换将原始高维属性空间转变为一个低维子空间，在这个子空间中样本密度大幅度提高，距离计算也变得更为容易。 对降维效果的评估， 阅读全文