摘要：
AI写诗？？ AI创作小说？？ 近年来人们时常听到这类新闻，听上去很不可思议，那么今天我们来一探究竟，这种功能是如何通过深度学习来实现的。 通常文本生成的基本策略是借助语言模型，这是一种基于概率的模型，可根据输入数据预测下一个最有可能出现的词，而文本作为一种序列数据 (sequence data)， 阅读全文
摘要：
"EM算法及其应用（一）" EM算法及其应用（二）： K means 与 高斯混合模型 上一篇阐述了EM算法的主要原理，这一篇来看其两大应用 —— K means 与 高斯混合模型，主要由EM算法的观点出发。 K means K means的目标是将样本集划分为K个簇，使得同一个簇内样本的距离尽可能 阅读全文
摘要：
"机器学习之类别不平衡问题 (1) —— 各种评估指标" "机器学习之类别不平衡问题 (2) —— ROC和PR曲线" 机器学习之类别不平衡问题 (3) —— 采样方法 " 完整代码 " 前两篇主要谈类别不平衡问题的评估方法，重心放在各类评估指标以及ROC和PR曲线上，只有在明确了这些后，我们才能据 阅读全文
摘要：
前段时间参加了Kaggle上的 "Mercari Price Suggestion Challenge" 比赛，收获良多，过些时候准备进行一些全面的总结，本篇文章先谈一个比赛中用到的小技巧。 这个比赛数据中有一个特征叫做 " item_description "，大致是一些商品描述，比如什么时候买的 阅读全文
摘要：
EM算法及其应用（一） "EM算法及其应用（二）： K means 与 高斯混合模型 " EM算法是期望最大化 (Expectation Maximization) 算法的简称，用于含有隐变量的情况下，概率模型参数的极大似然估计或极大后验估计。EM算法是一种迭代算法，每次迭代由两步组成：E步，求期望 阅读全文
摘要：
官方网站 官方代码 第三章 查找 3.1 符号表 (Symbol Tables) 符号表是一种存储键值对 (key-value pairs) 的数据结构，其主要目的是将键 (key) 和值 (value) 联系起来。主要支持两种操作：插入 (put) ，即将一组新的键值对存入存入表中；查找 (get 阅读全文
摘要：
集成学习之Boosting —— AdaBoost原理 集成学习之Boosting —— AdaBoost实现 集成学习之Boosting —— Gradient Boosting原理 集成学习之Boosting —— Gradient Boosting实现 集成学习之Boosting —— XGB 阅读全文
摘要：
Gradient Boosting的一般算法流程 初始化： \(f_0(x) = \mathop{\arg\min}\limits_\gamma \sum\limits_{i=1}^N L(y_i, \gamma)\) for m=1 to M: (a) 计算负梯度： \(\tilde{y}_i = 阅读全文
摘要：
# 官方网站 官方代码 第二章 排序 ##2.1 初级排序算法 排序就是将一组对象按照某种逻辑顺序重新排列的过程。这里我们主要关注重新排列含有元素的数组 (arrays of items)的算法，其中每个元素都有一个主键 (key)。排序算法的目的是重新排列所有元素，使得元素的主键能以某种方式排列。 阅读全文
摘要：
集成学习之Boosting —— AdaBoost原理 集成学习之Boosting —— AdaBoost实现 集成学习之Boosting —— Gradient Boosting原理 集成学习之Boosting —— Gradient Boosting实现 集成学习大致可分为两大类：Bagging 阅读全文