台大-机器学习基石第22页

阅读比盲目瞎写更重要

我也注意到一个奇怪的现象，关于谈写作的文章往往会引起读者的注意，并受到平台的推崇，这也从一个侧面说明，平台大多数人既是读者，也是创作者，关注谈写作方面内容的文章，也就成了自然而然的事情。

冬月之恋·2023-01-27 12:15

茶喝“头采”，戏品“压轴”

其品种全部是安化原生老品种（云台大野种）及安化群体品种。具有抗害强，耐高寒，生长周期长，内含物质丰富，持嫩性强。其产量低，采摘成本高，难管理，难运输，也是制约发展和增长的瓶颈。

中意私房·2023-01-27 12:28

阿里文娱大鱼号构建“大鱼体系”

6月29日，阿里巴巴文化娱乐集团旗下创作服务平台大鱼号举办内容创作者城市沙龙，详解2017年大鱼号的发展重点，将构建全新大鱼体系，打造真正的自媒体生态，集海量用户、多个超级产品、数字内容全形态的阿里文娱媒体矩阵正在形成

究竟是怎样·2023-01-27 11:35

【摄】古城烟雨人间滋味

鹦鹉呓语原来是鹦鹉春天里绿荫下屋檐前啼声咿呀醋艺传承古老工艺拌着年轮和匠心磨酿最香浓的味觉古城老街楼台下的老街行人三三两两不紧不乱街角小狗人来人往的街道本该喧嚣唯有其清澈双眸轻轻盛着宁静的春天公子戏楼听闻旧时有钱人家的公子喜欢在楼上观戏因可一眼看尽楼下戏台大院阁楼长廊里木板上挞挞声像仿走在僧人的木鱼上一家醋铺卖醋卖酒的铺子数不胜数古城的行人走在陈醋的浓香里从未

囷女阿七·2023-01-27 00:35

盼春·归

初识·撞君怀八台大轿，十里红妆，嫁进将军府。这样的风光场面，是她以前从不敢想的。从此夫妻和睦，闲暇时光她温茶煮酒弹一曲，他翻书舞剑醉一场。

花月冷暖有谁知·2023-01-26 18:38

颜值爆表 │ 芒果台大剧一波来袭，看都看不完！

湖南卫视最近发布了即将上台的黄金剧场大剧片单都是未播先火的一些已经名声大噪的电视剧不仅演员颜值爆表，还有CP可以嗑！！肖战、杨紫、白敬亭、刘诗诗、倪妮、杨幂、古力娜扎、刘涛等当红大咖都有！！姐妹们赶紧mark起来准备开追~01余生请多指教主演：杨紫/肖战/翟子路/马渝捷类型：爱情说起《余生请多指教》这部戏，想必已经有太多人望穿了秋水这一部都市情感剧，自从官宣了男女主是肖战和杨紫之后，就得到了无数网

失格放映社·2023-01-26 14:20

机器学习之多元分类（机器学习基石）

一个案例如上图所示我们要使用一些线性模型来分割这四种不同的图案，利用以前学过的二元分类我们可以将某一个种类分别从整体中分离出来。比如将图通是方块和不是方块的做二元分类，是三角形的和不是三角形的进行分类等等，然后我们得到下图：问题的出现如上图所示我们在单独的分割中可以分别将我们想要的目标图案分割出来，但是我们将这些图标片综合起来看得到下图：在图中带有标号的区域就是公共区域，在公共区域内的判断是矛盾的

N-Paradigm·2023-01-26 07:04

自媒体平台大比拼？用了一个星期实验到底哪个平台更突出，答案在这里

噜噜噜大噜·2023-01-26 05:14

2019-03-06 翻出校园

推开网吧的前门，王小利兴高采烈的朝吧台大喊一声，:"网管……"，上

动若脱兔·2023-01-26 00:26

【台大郭彦甫】matlab学习笔记——基本操作和矩阵输入

基本操作和矩阵输入基本的数学运算1.+-*/^2.运算遵循先乘除后加减，有括号的先算括号里的内容3.对于这种算式的计算有两种方法：法一：注意：打字的顺序应按照算式计算的优先级，我们手算时，会先计算括号里的，那我们也先敲括号里的内容，也就是，你平时算数的步骤和你敲代码的步骤其实是一致的。法二：法一的方法在计算复杂的算式时容易出现疏忽，导致结果错误。其实面对复杂的算式，我们可以分开计算的。我们每计算一

ღ 金龍戲水 ღ·2023-01-21 18:53

Matlab学习笔记(1)[台大郭彦甫]——基本操作与矩阵输入

一、基本操作操作符：+-*/^优先级例——>pi∞——>Inf根号——>sqrt()ln——>log()变量不需要提前声明；不能以数字开头；区分大小写；不能用关键字名命类型默认：doubleFormat用法：>>formatrat%数值成有理数>>3/13+4/14+5/15ans=232/273二、矩阵输入（Array）行、列定义由m*n个数排成的m行n列的数表称为m行n列的矩阵，简称m*n矩阵

star_vi·2023-01-21 18:52

Linux下gcc/g++、make和cmake的区别

文本程序到可执行文件生成无论在什么平台大致分为以下几个部分：1.用编辑器编写源代码，如.c文件。2.用编译器编译代码生成目标文件，如.o。3.用链接器连接目标代码生成可执行文件，如.exe。

luminer·2023-01-19 12:09

#機器學習_台大李宏毅教授HW1範例代碼，含解析

台大李宏毅教授HW1範例代碼，含解析A.前言B.代碼分析B.1加入模組B.2方便應用的函式庫B.3數據集B.4訓練模型B.5特徵選擇B.6訓練模型B.7參數字典B.8運行C.訓練過程與上傳Kaggle結果

CLC-overflow·2023-01-18 11:19

台大李宏毅--初入深度学习

1.神经网络机器学习的复杂所在，就是与怎么进行特种工程而深度学习的复杂所在，就是怎么构造网络的结构（即层数，每层神经元的个数）所以传统机器学习到深度学习的转化，就是特种工程到构造结构的转化。那么结构可以自动生成吗？可以，但是还不完善。2.神经网络的损失函数那么怎么减少损失函数lossfunction.——————》梯度下降3.梯度下降

丁磊_Ml·2023-01-14 15:18

台大李宏毅--深度学习tip（模型优化）

训练结果不好，并不总是因为过拟合训练结果不好，并不总是因为过拟合。有可能是你的trainingdata都没有训练好，那最终结果一定不好深度学习的层数越多，网络越复杂，并不一定模型会越复杂。有时会使得模型变简单，变成欠拟合。在机器学习中，要想让trainingdata训练的结果非常好是很容易做到的。比如，用svm，甚至可以使得rainingdata的训练结果为100%正确。但是，在深度学习中，要想使

丁磊_Ml·2023-01-14 15:18

【台大李宏毅机器学习】机器学习基本概念

【台大李宏毅机器学习】机器学习基本概念机器学习简介Step1FunctionwithunknownStep2definelossfromtrainingdata机器学习简介MachineLearningissosimple

HL Lee·2023-01-11 20:35

机器人学随堂笔记（2）ᝰ位姿描述与齐次变换、机器人运动方程的表示

机器人运动学和动力学的区别https://blog.csdn.net/qq_31239371/article/details/112696379一、刚体的位姿描述>>>1如何描述刚体的运动状态（台大机器人学学习笔记

HCJKK·2023-01-11 13:23

台大Machine Learning 2017Fall 卷积神经网络 Convolutional Neural Network

这是台大李宏毅教师MachineLearning2017Fall课程关于讲述卷积神经网络ConvolutionalNeuralNetwork内容的部分。

Tear_code·2023-01-09 06:24

基于kyuubi+spark3 加速hive批计算任务

0x00背景我司报表平台大量ETL任务原来采用hiveontez引擎执行批计算任务，存在资源不足执行慢等问题急需解决。

wangfann·2023-01-08 12:37

赞！ChatGPT能接入微信了！

因公众号更改推送规则，请点“在看”并加“星标”第一时间获取精彩技术分享点击关注#互联网架构师公众号，领取架构师全套资料都在这里0、2T架构师学习资料干货分上一篇：阿里巴巴全域数据中台大家好，我是互联网架构师

互联网架构·2023-01-06 19:45

matlab：基本操作与矩阵输入

学习素材：MATLAB教程_台大郭彦甫（14课）原视频补档MATLAB教程_台大郭彦甫（14课）原视频补档_哔哩哔哩_bilibili（部分素材使用视频截图）目录一、基本运算二、关键字三、"format

INawaken·2023-01-04 16:15

云服务器哪家好？阿里云腾讯云华为云要怎么选？

以前的公司想做搭建自己的网站（企业网站，论坛社区等），想实现一些线上的项目（如搭建一个电商平台、游戏app、服务企业的第三方软件等）就得自己建立一些机房储备一台大型的“电脑主机”用来存储用户，收集数据，

卖云服务器的小女孩·2023-01-04 07:29

台大应用深度学习笔记

deeplearningend-to-endtraining1.神经元1.1为什么需要bias？为了给对应位置一个prior，给它一个初始值，b越大，σ(z)=11+e−z\sigma(z)=\frac{1}{1+e^{-z}}σ(z)=1+e−z1越大，越趋向于1.多层神经网络：神经网络输入输出关系3.激活函数3.1为啥要非线性激活函数？4.模型评估：LossFunctioncrossentro

紫砂痕·2023-01-03 06:58

想入门深度学习？你需要先搞懂这三个问题

今天聊三个深度学习入门问题，是在公号后台大家经常提到的。第一个问题，学深度学习是不是需要先学机器学习？说实话我有点意外，对于怎样学深度学习，我设想过各种问题，但没想到大家最好奇的会是上面这个问题。

hzbooks·2023-01-02 07:39

oj题目回文串的热爱c语言,YTUOJ-推断字符串是否为回文

考研兔兔·2022-12-31 02:56

MATLAB之基本操作与矩阵操作

本文学习来源：学院老师上课内容b站视频：MATLAB教程_台大郭彦甫（14课）原视频补档博客地址1：bsjsosososo的博客_这么大个圈圈_CSDN博客-MATLAB,白板学习领域博主博客地址2：ncepu_Chen

1个小码农·2022-12-30 20:18

【台大郭彦甫】Matlab入门教程超详细学习笔记二：基本操作与矩阵运算（附PPT链接）

入门教程超详细学习笔记二：基本操作与矩阵运算前言一、基本操作1.把matlab当作计算器使用2.变量3.控制格式输出二、矩阵运算1.矩阵2.矩阵索引3.使用:创建向量4.增广矩阵5.矩阵的四则运算6.特殊矩阵总结前言【台大郭彦甫

哆啦lalala·2022-12-30 20:45

机器学习方法的分类——（机器学习基石3）

这周学习的主要是一些理论知识，介绍机器学习的不同学习方法。不同的分类方式可以得出不同的学习类型，下面是总体的四种分类方式：1.按照不同的输出空间Y分类2.按照不同的数据标签yn分类3.按照不同得到目标函数的方式分类4.按照不同的输入空间X分类（1）按照不同的输出空间Y分类这个问题林老师列出了三种学习方式，分别是分类问题，回归问题，结构标记问题。之前的PLA是一种简单的二元分类问题，多元分类的话就是

Lxs_·2022-12-30 20:39

高校大数据产品有哪些

一、大数据实训管理平台大数据实训管理平台，通过课程管理、资源管理、实训管理全方位为高校解决难题。

泰迪智能科技·2022-12-30 11:44

【深度学习】从self-attention到transformer（Multi-head self-attention）

本文链接：https://blog.csdn.net/weixin_43414694/article/details/119083072该教程主要参考的是台大李宏毅的网课视频，附上视频链接：台大李宏毅self-attention

努力work，早发paper·2022-12-30 10:47

【论文精读】ROC和PR曲线的关系（The relationship between Precision-Recall and ROC curves）

虽然文章发表很早，但是涉及机器学习基石的知识永不会过时。下面分享一下我的阅读笔记和心得。文章目

takedachia·2022-12-30 07:30

机器学习基石-Noise and Error

大纲NoiseandProbabilisticTarget以前的VCBound在没有noise的条件下是成立的，但如果引入noise，是否还依旧成立？ProbabilisticMarbles接下来我们看在引入noise之后的情况就像以前的抽球的例子，如果数据没有noise，我们称为确定性颜色的球，，如果数据有noise,那么球的颜色就是不确定的啦。我们可以用概率分布来表示球的颜色p(y/x),我们

遇见更好的自己·2022-12-29 19:21

公开课 | 机器学习基石08 Noise and Error

前面几篇通过引入VC理论证明了机器学习的可行性。讨论的数据都是无噪音的，但实际数据，噪音往往不可避免。本篇是承上启下的一篇，连接了理论部分和后续具体的机器学习演算法，容易被忽略，个人觉得是非常重要的一篇。介绍了noise和error两个核心概念。讲解即便noise存在的情况下，绝大部分H和err，VC理论同样适用。1我理解的VC理论先回顾在没有Noise情形下的机器学习模型。VC理论证明机器学习是

机器学习之家·2022-12-29 19:21

【机器学习基石】杂讯和错误（八）

目录写在前面1.杂讯和概率目标2.误差测定3.算法误差测量4.加权分类写在前面本节内容主要讲了杂讯noisenoisenoise以及概率目标函数，最后讲了误差测定的两种方法以及对两种不同错误情况要根据实际情况选择具体的权重。1.杂讯和概率目标∙\bullet∙杂讯分为好几种情况，我们还是以银行根据客户信息，决定是否对其发放信用卡为例：♡\heartsuit♡发生在yyy上：本来是要给发放信用卡的客

世一渔·2022-12-29 19:48

林轩田《机器学习基石》（八）—— Noise and error

上一节课，我们主要介绍了VCDimension的概念。如果Hypothesesset的VCDimension是有限的，且有足够多N的资料，同时能够找到一个g使它的，那么就能说明机器学习是可行的。之前我们说过含noise的问题，现在我们看加上noise会不会对整个推导有影响？即VCbound还会不会作用的很好？一、噪音：noise我们看一下带noise的学习问题的流程图：资料的noise主要来源有（

不抱我起来就没法医治·2022-12-29 19:47

机器学习基石8-Noise and Error

注：文章中所有的图片均来自台湾大学林轩田《机器学习基石》课程。笔记原作者：红色石头微信公众号：AI有道上一节课，我们主要介绍了VCDimension的概念。

weixin_30608503·2022-12-29 19:46

机器学习基石 - Noise and Error

机器学习基石上(MachineLearningFoundations)—MathematicalFoundationsHsuan-TienLin,林轩田，副教授(AssociateProfessor)，

纫秋兰以为佩·2022-12-29 19:15

林轩田机器学习基石Lecture 8: Noise and Error

@Lecture8:NoiseandError本部分在之前的数据中加入了噪声，VCbound是否还起作用，即是否还可以满足Ein和Eout的那个公式NoiseandProbabilisticTargetNoise的产生：错误的y：如相同的x标注的不同的y，或者应该是正样本的数据标注成错误数据错误的x：如收集到的观测样本本身不准确也就是说我不是学一个目标函数，而是学一个目标的概率分布函数P（y|x）

qq_42580910·2022-12-29 19:15

机器学习 | 台大林轩田机器学习基石课程笔记8 --- Noise and Error

课程主页课程视频和PPT上一节课，我们主要介绍了VCDimension的概念。如果Hypothesesset的VCDimension是有限的，且有足够多N的数据，那么,同时能够找到一个hypothesis使它的,那么就能说明机器学习是可行的。本节课主要讲了数据集有Noise的情况下，是否能够进行机器学习，并且介绍了假设空间H下演算法A的Error估计。目录1.NoiseandProbabistic

CoreJT·2022-12-29 19:15

机器学习基石——Noise and Error

noise对于真实场景而言，大规模数据集多少会有一些noise。数据集中的noise来源：1)来源于x，采集特征时出现错误；2）来源于y，打标签时出错。有noise情况与理想情况区别：原来对于某个x，y是确定值；当有了noise之后，对于某个x，y是一个概率分布P(y∣x)P(y|x)P(y∣x)。有noise情况VCbound不等式是否依然成立：如果数据集标签按照P(y∣x)P(y|x)P(y∣

周二下午多云转小雨·2022-12-29 19:43

林轩田机器学习基石心得8：Noise and Error

注：本文为博主观看视频后的心得与总结，详细笔记可戳：http://blog.csdn.net/red_stone1/article/details/715121860.前言上一节课中讲解了VC唯及其意义，证明只要假设函数集的VC维是有限的，那么在样本足够的情况下机器学习就是可行的。这一节课中主要讲解数据中存在Noise时机器学习是否可行，及几种错误估计方法。1.NoiseandProbablist

Augus_Xu·2022-12-29 19:43

机器学习基石作业二

机器学习基石作业二1计算一下本来预测对与预测错时加上噪音导致的错误率然后相加即可。2选择一个λ\lambdaλ的值让μ\muμ的系数为0。

无所知·2022-12-29 19:13

机器学习基石 Lecture8: Noise and Error

机器学习基石Lecture8:NoiseandErrorNoiseandErrorErrorMeasureAlgorithmicErrorMeasureWeightedClassificationNoiseandError

无所知·2022-12-29 19:12

台大机器学习基石 Lecture 8 - Noise and Error

本次Lecture主要讲了在存在Noise噪声的情况下，是否能够进行机器学习，VCDimension是否还有作用，并且介绍了一些评价Model的Error度量方法，这是要根据实际问题来确定的。NoiseandProbablisticTarget数据集D存在噪声的情况下，是否还能学习呢？Noise主要来源于以下三种——由于人为因素，正类被误分为负类，或者负类被误分为正类；同样特征的样本被模型分为不同

ZayneHuang·2022-12-29 19:10

【台大林轩田《机器学习基石》笔记】Lecture 8——Noise and Error

文章目录Lecture8:NoiseandErrorNoiseandProbabilisticTargetErrorMeasureAlgorithmicErrorMeasureWeightedClassificationLecture8:NoiseandErrorNoiseandProbabilisticTarget如果数据集本身存在噪声，会不会影响VCDimension的推导？数据集中的噪声来源

T1en·2022-12-29 19:10

《机器学习基石》学习笔记 8 Noise and Error

上一节课，我们主要介绍了VCDimension的概念。如果Hypothesesset的VCDimension是有限的，且有足够多N的资料，同时能够找到一个hypothesis使它的Ein≈0E_{in}\approx0Ein≈0，那么就能说明机器学习是可行的。本节课主要讲了数据集有Noise的情况下，是否能够进行机器学习，并且介绍了假设空间H下演算法A的Error估计。一、NoiseandProb

coyote_xujie·2022-12-29 19:37

机器学习基石第八讲：noise and error

博客已经迁移至Marcovaldo’sblog(http://marcovaldong.github.io/)机器学习基石第八讲主要介绍噪声和误差度量，笔记整理在下面。

Marcovaldo·2022-12-29 19:36

机器学习基石2（noise和error）

文章目录一、什么是noise？二、什么是error？三、常用error一、什么是noise？我们之前的讨论都是一种理想化的说明，比如数据来源于目标函数fff，似乎我们手里拿到的数据是这样得来的，随机取一个输入，放入f中，获得一个输出，这样一个（输入，输出）pair就组成了一个样本。但是实际过程不可能是这样的，误差存在于方方面面，首先对于输入，可能存在测量误差，比如我们手里拿到的一个数值10.5，有

圆月弯刀鞘·2022-12-29 19:34

第十六周项目3---归并排序算法的改进

#ifndefBTREE_H_INCLUDED#defineBTREE_H_INCLUDED/**烟台大学计控学院*作者：邹晓琳*完成日期：2016年12月9日*问题描述：采用归并排序、快速排序等高效算法进行排序

zxl2016525·2022-12-29 14:21

第二周项目—C/C++语言中函数参数传递的三种方式

问题及代码：传值：/**烟台大学计控学院*文件名称：cpp2*作者：杨征*完成日期：2015年9月27日*问题描述：交换两个整型变量的三种方式*输入描述：输入两个整型变量*输出描述：输出交换后的两个整型变量

小白yang的学习之路·2022-12-29 14:20

推荐频道

台大-机器学习基石