数据有偏差，照样能学对！20年前就有这么强的算法了？ 16
背景 “每个人都依赖自己的知识和认知，同时又为之束缚，还将此称为现实；但知识和认识是非常暧昧的东西，现实也许不过是镜花水月——人们都是活在偏见之中的，你不这样认为吗？这双眼睛，又能看多远呢？” 机器学习，作为模仿人类思维方法进行建模的过程，虽然从数据中抽取模型的水平还不如人类，但是在获取偏见（bias）的方面，已经青出于蓝而胜于蓝了。关于机器学习模型偏见产生的机理，谷歌花了59页，从自然语言、图像...
「小公式」平均数与级数 13
喵喵喵，小夕最近准备复习一下数学和基础算法，所以可能会推送或者附带推送点数学和基础算法的小文章。说不定哪天就用（考）到了呢(￣∇￣) 注意哦，与头条位的文章推送不同，「小公式」和「小算法」中的标题之间可能并无逻辑关联，因此可以看作是罗列小知识点，说不定这些小知识点就能带来一些小灵感呢。 平均数 调和平均数 调和平均数（Harmonic Mean）是将数值个数除以数值倒数的总和，一组正数x1, x2...
【经验分享】数据科学与机器学习面试指南
George Seif 最近分享了他在找工作时遇到的常见的面试问题，并与大家分享如何处理这些问题，23道面试题让你熟悉机器学习、数据科学常见知识点，建议大家学习和收藏。 Data Science and Machine Learning Interview Questions 数据科学与机器学习面试指南 啊！可怕的机器学习面试。面试前你可能觉得你自己什么都知道，直到你被测试的时候才发现情况并没有你...
从前馈到反馈：解析循环神经网络（RNN）及其tricks 2
好像已经有两周没有更新啦。最后这几天都不敢打开订阅号后台了，怕一打开发现掉了几百个粉丝的话就难过死了T_T。然而小夕发现你们并没有离开，感动的差点哭出来，都感觉再不认真写一篇文章就太对不起大家的等待啦。 而这两周，经历的事情蛮多的。为了凑下一季的房租，接了个私活，要死要活的做完了QAQ。而且还发现了一个特别好的学习平台，闭关修炼了一周，改天跟你们分享一下～下面开始正文啦，不要太激动哦。 为什么需要...
线性代数应该这样讲(四)-奇异值分解与主成分分析 15
在《线性代数这样讲（二）》（以下简称「二」）中，小夕详细讲解了特征值与特征向量的意义，并且简单描述了一下矩阵的特征值分解的意义和原理。本文便基于对这几个重要概念的理解来进一步讲解SVD分解。 回顾一下，在「二」中，小夕讲过一个方阵W可以分解为它的特征向量矩阵eVec与特征值矩阵eVal相乘的形式，即用 eVec * eVal * eVec-1 来近似原方阵W。 那么问题来啦，如果我们的矩阵不是方阵...
观点 | 在工程领域中，机器学习的数学理论基础尤为重要 5
前 言 数学在机器学习中非常重要，但我们通常只是借助它理解具体算法的理论与实际运算过程。近日加州大学圣巴巴拉分校的 Paul J. Atzberger 回顾了机器学习中的经验风险与泛化误差边界，他认为在科学和工程领域中，我们需要从基本理论与数学出发高效使用现有方法，或开发新方法来整合特定领域与任务所需要的先验知识。 近期研究人员越来越多地关注将机器学习方法应用到科学、工程应用中。这主要是受自然语言...
机器学习从理论到工程的第一步-编程语言篇 3
前言 在文章《机器学习从业者如何兼顾理论与工程》中，小夕对编程语言的选择进行了小小建议。鉴于有些同学对小夕建议的“主python，辅C++，备用matlab和java”疑问较大，小夕在此详细解释一下，也欢迎大家补充新观点哦。 为什么不是matlab？ 有同学问小夕，为什么将matlab作为备用语言而不是主力语言呢？matlab也很好用啊~ 其实这句话是没错的。小夕觉得，暂且不论matlab...
从朴素贝叶斯到贝叶斯网 12
回顾 在文章《朴素贝叶斯》中，小夕为大家介绍了朴素贝叶斯模型的基本知识，并且得出了朴素贝叶斯是利用联合概率P(x1,x2,x3...xn,y)来确定某个样本为某个类别的概率，进而利用最大后验概率（MAP）来决策类别。也就是说，朴素贝叶斯的假设函数如下： 其中，假设有c个类别，则i=1,2,...,c。（补充：argmax大家应该都熟悉了吧，意思就是返回使函数值最大的参数，这里的函数即P(X,y...
入门必备|中文课程！台大李宏毅机器学习公开课2019版上线 6
来自 |机器之心作者 |思源，泽南台大教授李宏毅的机器学习课程经常被认为是中文开放课程中的首选。李教授的授课风格风趣幽默，通俗易懂，其课程内容中不仅有机器学习、深度学习的基础知识，也会介绍 ML 领域里的各种最新技术。近日，2019 版的课程资料与视频终于上线了！课程资料链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML19.html课程视频（Bil...
线性代数应该这样讲(三)-向量2范数与模型泛化 9
在线性代数（一）中，小夕主要讲解了映射与矩阵的关系；在线性代数（二）中，小夕讲解了映射视角下的特征值与特征向量的物理意义。本文与下一篇会较为透彻的解析一下向量的二范数与一范数，他们在机器学习任务中是最常用，有时甚至是核心的东西哦。 首先，来一个俗俗的开篇。向量x的p范数表示如下： 由此，p=1、p=2就分别代表1范数和2范数。本文只看p=2的情况。 二范数相信大家在大一学线性代数的时候就已经被灌输...
-
2023-01-15
-
2023-01-14
-
2023-01-14
-
2023-01-14
-
2023-01-14
推广返利