随笔分类 -  [02].机器学习

机器学习修仙之路
机器学习之逻辑回归
摘要：一句话： 逻辑回归假设数据服从伯努利分布，通过极大化似然函数的方法，运用梯度下降求解参数，来达到将数据二分类的目的 。 假设函数 逻辑回归算法是将线性函数的结果映射到 函数中： $$ h_{\theta}{(x)}=\frac{1}{1+e^{ z}}=\frac{1}{1+e^{\theta^{T 阅读全文
posted @ 2019-07-16 16:52 Maple17 阅读(580) 评论(2) 推荐(0)
学习资源总结贴
摘要：学习资源总结 1. 李宏毅 "课程主页" "2017机器学习" 2. 林轩田 "课程主页" "机器学习基石" "机器学习技法" "学习笔记" 视频建议配合 PDF 一起食用... 3. 其它资源 "机器学习路径" 强烈推荐 "深度学习500问" "机器学习实践" 含代码和示意图，全英文 "AI算法工 阅读全文
posted @ 2019-07-07 20:18 Maple17 阅读(279) 评论(0) 推荐(0)
《Graph Neural Networks: A Review of Methods and Applications》阅读笔记
摘要：本文是对文献 《Graph Neural Networks: A Review of Methods and Applications》 的内容总结，详细内容请参照原文。 引言 大量的学习任务都要求能处理包含丰富的元素间关联关系的图数据，例如物理系统建模、疾病分类以及文本和图像等非结构数据的学习等。 阅读全文
posted @ 2019-06-19 11:45 Maple17 阅读(3064) 评论(0) 推荐(1)
《An Attentive Survey of Attention Models》阅读笔记
摘要：本文是对文献 《An Attentive Survey of Attention Models》 的总结，详细内容请参照原文。 引言 注意力模型现在已经成为神经网络中的一个重要概念，并已经应用到多个应用领域。本文给出了注意力机制的主要思想，并对现有的一些注意力模型进行了分类，以及介绍了注意力机制与不 阅读全文
posted @ 2019-06-17 17:09 Maple17 阅读(3441) 评论(0) 推荐(5)
《Graph Attention Network》阅读笔记
摘要：基本信息 论文题目：GRAPH ATTENTION NETWORKS 时间：2018 期刊：ICLR 主要动机 探讨图谱（Graph）作为输入的情况下如何用深度学习完成分类、预测等问题；通过堆叠这种层（层中的顶点会注意邻居的特征），我们可以给邻居中的顶点指定不同的权重，不需要任何一种耗时的矩阵操作（ 阅读全文
posted @ 2019-06-17 10:02 Maple17 阅读(2120) 评论(0) 推荐(0)
机器学习之线性回归
摘要：输出是一个连续的数值。 模型表示 对于一个目标值，它可能受到多个特征的加权影响。例如宝可梦精灵的进化的 值，它不仅受到进化前的 值的影响，还可能与宝可梦的 值、类型、高度以及重量相关。因此，对于宝可梦进化后的 值，我们可以用如下线性公式来表示： $$y=b+\sum_{i=1}^n{\theta_i 阅读全文
posted @ 2019-06-05 14:25 Maple17 阅读(1889) 评论(0) 推荐(0)