杂谈机器学习的几个应用场景 6
在上一篇文章末尾，小夕提到了“机器学习是实现自然语言处理的正确道路”。其实确实如此，纵观整个自然语言处理的发展史，也是纵观整个人工智能的发展史，从诞生到现在，机器学习不仅是在理论和工程上实现自然语言处理的目前最佳选择，也是最贴近生物掌握自然语言处理能力的本能方式。 从规则到统计，再到如今深度学习这个特殊而一般的统计，这条发展之路渗透在自然语言处理的几乎每一个应用场景。如中文分词，从最初的最大匹...
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...
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...
我删了这些训练数据…模型反而表现更好了！？ 17
预训练语言模型的训练语料是全网数据，其来着不拒，只要喂过来的数据，统统吃掉，尽可能消化掉。而统计模型，除泛化能力外，另一个重要的能力就是记忆能力。 我们知道，人类的本质是复读机，啊，不是，全网数据中，重复或接近重复的数据是相当多的，尤其是数据爆炸的今天，当我们浏览各个来源的网络资讯的时候，时不时总会有似曾相识的感觉（当然这一定程度也归功于各大自媒体的洗稿）。这种重复的数据在统计模型的眼里，无疑是在...
机器学习从理论到工程的第二步-开发环境与工具篇 11
在《第一步-编程语言篇》中，小夕为大家较为详细的介绍了做机器学习（及其相关应用方向）的编程语言的选择问题，这一篇便是小夕为大家推荐的各个编程语言的开发环境/工具。 习惯性扫盲开篇。鉴于可能有部分同学的软件开发经验稍有欠缺，因此首先讲讲基本概念。 代码编辑器： 代码编辑器就是写代码的地方啦，其实任何文本编辑器都可以作为代码编辑器，毕竟源代码是写成纯文本的形式的。 但是效果往往就是像上图一样简陋而...
ICLR'21 | 一个二值化词向量模型，是怎么跟果蝇搭上关系的？ 14
可能有些读者最近会留意到ICLR 2021的论文Can a Fruit Fly Learn Word Embeddings?，文中写到它是基于仿生思想（仿果蝇的嗅觉回路）做出来的一个二值化词向量模型。其实论文的算法部分并不算难读，可能整篇论文读下来大家的最主要疑惑就是“这东西跟果蝇有什么关系？”、“作者真是从果蝇里边受到启发的？”等等。本文就让我们来追寻一下该算法的来龙去脉，试图回答一下这个词向量...
25个机器学习面试题，期待你来解答 6
机器学习有非常多令人困惑及不解的地方，很多问题都没有明确的答案。但在面试中，如何探查到面试官想要提问的知识点就显得非常重要了。在本文中，作者给出了 25 个非常有意思的机器学习面试问题，这些问题都没有给出明确的答案，但都有一定的提示。读者也可以在留言中尝试。 许多数据科学家主要是从一个数据从业者的角度来研究机器学习（ML）。因此，关于机器学习，我们应该尽可能多地把注意力放在新的程序包、框架、技术等...
【机器学习入门】 Learning Map 导览图 16
在此就不介绍机器学习的概念了。 Learning Map（学习导图） 先来看一张李宏毅大大的总图↓ 鉴于看起来不是很直观，我“照虎画猫”做了一个思维导图如下： 理论上Supervised Learning分支下的内容都可以放在其他Learning Map大类下。 Supervised Learning 所谓监督学习，就是我们告诉机器说，当这个function看到某种input则输出a，看到另一种i...
资源|帝国理工学院134页机器学习中的数学知识 6
转自 | 专知 整理 | 小事 【导读】最近，帝国理工学院计算机系统计机器学习的老师Marc Deisenroth撰写的134页"Mathematics for Machine Learning" 机器学习中的数学知识，深入浅出地介绍了常见的机器学习方法和其应用，比如主成分分析（PCA），线性判别分析，贝叶斯线性回归和支持向量机（SVM）等，是学习机器学习的比较不错的讲义。 资源获取方...
你已经是一个成熟的地图了，该学会帮我... 21
当我们打开百度地图，选定到达目的地，导航软件里的小姐姐马上就用不紧不慢的语调告诉我们“准备出发，全程12公里，预计需要30分钟……” 但一看手表上显示的不风驰电掣铁定迟到的时间，肯定不允许我们和导航软件里的小姐姐一样沉着冷静，可当我们一路狂奔跑过几个路口，大喘着气停下来看看导航，发觉显示的预计到达时间并没有因为我们跑的大汗淋漓而有一点点改变，依然是那个从现在的地方出发不紧不慢走过去的时间。 这时候...
-
2023-01-15
-
2023-01-14
-
2023-01-14
-
2023-01-14
-
2023-01-14
推广返利