摘要：
第一章 绪论 什么是机器学习 通过计算的手段，从“数据”产生“模型”的“算法” 我们将新“数据”提供给“算法”，能产生关于这些“数据”的“模型”，“模型”能给我们提供相应的判断 tips：本书模型指机器学习的结果 基本术语 数据集（data set）：一组样本（sample）的集合 样本（sampl 阅读全文
posted @ 2021-07-13 22:51
橘猫非猫gkd
阅读(322)
评论(0)
推荐(0)
摘要：
学习统计学习方法的笔记、算法推导和代码实现（个人学习用，如果有路过大佬能指出不足，万分感谢） 阅读全文
posted @ 2021-04-25 10:18
橘猫非猫gkd
阅读(425)
评论(0)
推荐(0)
摘要：
线性模型 给定由$d$个属性描述的实例$x=(x_1;x_2;\dots ;x_d)$,其中$x_i$是x在第i个属性上的取值，线性模型试图学得一个通过属性的线性组合来进行预测的函数，即$f(x)=w_1x_1+w_2x_2+\dots+w_dx_d+b$ 可简化成向量形式$f(x)=w^Tx+b$ 阅读全文
posted @ 2021-07-20 00:19
橘猫非猫gkd
阅读(101)
评论(0)
推荐(0)
摘要：
引言 将节点的属性（x）、边的端点信息（edge_index）、边的属性（edge_attr，如果有的话）输入到多层图神经网络，经过图神经网络每一层的一次节点间信息传递，图神经网络为节点生成节点表征。我们的任务是根据节点的属性(可以是类别型、也可以是数值型)、边的信息、边的属性（如果有的话）、已知的 阅读全文
posted @ 2021-06-22 22:35
橘猫非猫gkd
阅读(495)
评论(0)
推荐(0)
摘要：
消息传递图神经网络 一、经网络流程 为节点生成节点表征（Node Representation）是图计算任务成功的关键 利用神经网络来学习节点表征。 实现图和神经网络的连接的其中一种方式：消息传递范式 二、 消息传递范式获取节点表征的过程 定义：将邻居节点信息传递到中心节点的过程 过程：邻居节点通过 阅读全文
posted @ 2021-06-19 23:28
橘猫非猫gkd
阅读(356)
评论(0)
推荐(0)
摘要：
GNN - Graph Neural Network 图神经网络 阅读全文
posted @ 2021-06-16 22:18
橘猫非猫gkd
阅读(2206)
评论(0)
推荐(0)
摘要：
stacking是在blending基础上通过k-fold CV更充分利用了数据 阅读全文
posted @ 2021-05-13 22:56
橘猫非猫gkd
阅读(348)
评论(0)
推荐(0)
摘要：
归一化和标准化的相关概念 阅读全文
posted @ 2021-05-13 11:43
橘猫非猫gkd
阅读(637)
评论(0)
推荐(0)
摘要：
##算法原理 blending集成学习算法即简化的stacking算法，其具体操作流程为： 将数据划分为训练集和测试集(test_set)，其中训练集需要再次划分为训练集(train_set)和验证集 (val_set)； 创建第一层的多个模型，这些模型可以使同质的也可以是异质的； 使用train_ 阅读全文
posted @ 2021-05-11 23:48
橘猫非猫gkd
阅读(196)
评论(0)
推荐(0)
摘要：
两种常用boosting算法 阅读全文
posted @ 2021-04-26 23:36
橘猫非猫gkd
阅读(586)
评论(0)
推荐(0)
浙公网安备 33010602011771号