yuki_lee

摘要： 注：本文主要是在http://colah.github.io/posts/2015-08-Understanding-LSTMs/ 这篇文章的基础上理解写成，姑且也可以称作 The understanding of understanding LSTM network. 感谢此篇作者的无私分享和通俗 阅读全文

摘要： 众所周知，LSTM的一大优势就是其能够处理变长序列。而在使用keras搭建模型时，如果直接使用LSTM层作为网络输入的第一层，需要指定输入的大小。如果需要使用变长序列，那么，只需要在LSTM层前加一个Masking层，或者embedding层即可。 使用方法：首先将序列转换为定长序列，如，选取一个序 阅读全文

摘要： 问题： 用keras的functional API搭建多输入多输出模型时，报错某个输出层对应的类标数组大小与模型中不一致。 解决办法：升级keras到最新版（doge脸）keras迭代太快了啊摔，总有些莫名其妙的错误因为版本引起，注意升级吧。。 pip install git+git://githu 阅读全文

摘要： import numpy as np import scipy.sparse as sp m = sp.lil_matrix((7329,7329)) np.save(path,m) #用numpy的load方法存储矩阵，path为存储的路径 mat = np.load(path)[()] #读取存储的矩阵，注意[()]这个符号可以抽取对象 mat = mat.toarray() ... 阅读全文

摘要： 这一个部分都将只涉及到选择特征的某个子集的方法，将高纬度的特征空间映射到低维度空间的方法（如PCA）都不会涉及到。 一. 单变量 优点：运算速度快，独立于分类器 缺点：忽略的特征之间的联系，忽略了与分类器的联系（在训练模型的时候不能调参来提高性能） 1. 卡方检验 主要内容参考来自 http://b 阅读全文

摘要： 1. ELM 是什么 ELM的个人理解： 单隐层的前馈人工神经网络，特别之处在于训练权值的算法: 在单隐层的前馈神经网络中，输入层到隐藏层的权值根据某种分布随机赋予，当我们有了输入层到隐藏层的权值之后，可以根据最小二乘法得到隐藏层到输出层的权值，这也就是ELM的训练模型过程。 与BP算法不同，BP算 阅读全文

摘要： 一. 搜索引擎 组成部分： 1. 网络爬虫（web crawler） 2. 索引系统（indexing system） 3. 搜索系统 （searching system） consideration: 1.Economics 2.Scalability 3. Legal issue二. 网络爬虫（... 阅读全文

摘要： 什么是聚类（clustering） 个人理解：聚类就是将大量无标签的记录，根据它们的特点把它们分成簇，最后结果应当是相同簇之间相似性要尽可能大，不同簇之间相似性要尽可能小。聚类方法的分类如下图所示：一、如何计算样本之间的距离？ 样本属性可能有的类型有：数值型，命名型，布尔型……在计算样本之间的距... 阅读全文

摘要： 相关反馈的两种类型：“真实”的相关反馈： 1. 系统返回结果 2. 用户提供一些反馈 3. 系统根据这些反馈，返回一些不同的，更好的结果“假定”的相关反馈 1. 系统得到结果但是并不返回结果 2. 系统根据这些结果改善query 3. 根据改善后的query得到结果并返回Rocchio's Modi... 阅读全文

摘要： 两个假设 1. 好的hub pages: 好的对某个主题的hub pages 链接许多好的这个主题的authoritative pages. 2. 好的authoritative pages: 好的对某个主题的authoritative pages 被许多好的这个主题的hub pages链接。 注... 阅读全文