当前标签：机器学习

AdaBoostClassifier实战

bonelee 2018-01-08 11:27 阅读:3412 评论:0 推荐:0

Self Organizing Maps (SOM): 一种基于神经网络的聚类算法，本质上感觉和kmeans迭代没啥区别

bonelee 2018-01-04 10:17 阅读:5998 评论:0 推荐:0

RBF网络——核心思想：把向量从低维m映射到高维P，低维线性不可分的情况到高维就线性可分了

bonelee 2018-01-04 10:04 阅读:4196 评论:0 推荐:0

深入解析Dropout——基本思想：以概率P舍弃部分神经元，其它神经元以概率q=1-p被保留，舍去的神经元的输出都被设置为零

bonelee 2017-12-27 19:58 阅读:8692 评论:1 推荐:0

Softmax回归——logistic回归模型在多分类问题上的推广

bonelee 2017-12-27 19:48 阅读:9398 评论:0 推荐:2

tflearn Training Step每次 We will run it for 10 epochs (the network will see all data 10 times) with a batch size of 16. n_epoch=10, batch_size=16

bonelee 2017-12-27 10:46 阅读:770 评论:0 推荐:0

AI安全初探——利用深度学习检测DNS隐蔽通道

bonelee 2017-12-25 14:19 阅读:7257 评论:5 推荐:1

sklearn的train_test_split使用

bonelee 2017-12-14 09:14 阅读:170536 评论:3 推荐:10

tflearn中一些CNN RNN的例子

bonelee 2017-12-12 09:07 阅读:960 评论:1 推荐:0

scikit-learn系列之如何存储和导入机器学习模型

bonelee 2017-12-11 09:41 阅读:3524 评论:0 推荐:0

Batch Normalization的算法本质是在网络每一层的输入前增加一层BN层（也即归一化层），对数据进行归一化处理，然后再进入网络下一层，但是BN并不是简单的对数据进行求归一化，而是引入了两个参数λ和β去进行数据重构

bonelee 2017-11-30 19:09 阅读:2693 评论:0 推荐:0

使用神经网络-垃圾邮件检测-LSTM或者CNN（一维卷积）效果都不错【代码有问题，pass】

bonelee 2017-11-28 11:08 阅读:2693 评论:3 推荐:0

使用CNN做文本分类——将图像2维卷积换成1维

bonelee 2017-11-28 10:36 阅读:2111 评论:1 推荐:0

使用CNN做电影评论的负面检测——本质上感觉和ngram或者LSTM同，因为CNN里图像检测卷积一般是3x3，而文本分类的话是直接是一维的3、4、5

bonelee 2017-11-28 10:34 阅读:969 评论:1 推荐:0

CNN tflearn处理mnist图像识别代码解说——conv_2d参数解释，整个网络的训练，主要就是为了学那个卷积核啊。

bonelee 2017-11-28 10:16 阅读:6805 评论:0 推荐:0

神经网络中embedding层作用——本质就是word2vec，数据降维，同时可以很方便计算同义词（各个word之间的距离），底层实现是2-gram（词频）+神经网络

bonelee 2017-11-27 15:51 阅读:47137 评论:1 推荐:1

使用LSTM做电影评论负面检测——使用朴素贝叶斯才51%，但是使用LSTM可以达到99%准确度

bonelee 2017-11-27 14:28 阅读:5478 评论:7 推荐:0

如何比较Keras, TensorLayer, TFLearn ？——如果只是想玩玩深度学习，想快速上手 -- Keras 如果工作中需要解决内部问题，想快速见效果 -- TFLearn 或者 Tensorlayer 如果正式发布的产品和业务，自己设计网络模型，需要持续开发和维护 -- Tensorlayer

bonelee 2017-11-27 13:02 阅读:1121 评论:2 推荐:0

tensorflow LSTM

bonelee 2017-11-27 11:00 阅读:2253 评论:0 推荐:0

神经网络中归一化的重要作用

bonelee 2017-11-22 23:29 阅读:3572 评论:2 推荐:0