李宏毅机器学习笔记

2021李宏毅机器学习笔记--19 unsupervised learning--Deep Auto-encoder

2021李宏毅机器学习笔记--19unsupervisedlearning--DeepAuto-encoder摘要一、Auto-encoder简介二、与PCA的联系三、DeepAuto-encoder四
guoxinxin0605·2022-10-10 10:51

2020李宏毅机器学习笔记——24. Anomaly Detection（异常侦测）

AnomalyDetection（异常检测）文章目录摘要1.介绍AnomalyDetection1.1ProblemFormulation（问题简要）1.2WhatisAnomaly?1.3Applications2.怎么做AnomalyDetection2.1BaseIdea—BinaryClassification（二元分类器）2.2AnomalyDetection—Categories（两种
HSR CatcousCherishes·2022-09-20 16:21

2021李宏毅机器学习笔记--21 Anomaly Detection

2021李宏毅机器学习笔记--21AnomalyDetection（异常侦测）摘要一、问题描述二、Anomaly异常三、AnomalyDetection（异常侦测）做法3.1BinaryClassification
guoxinxin0605·2022-09-20 16:17

2020李宏毅机器学习笔记-Unsupervised Learning: Deep Auto-encoder

目录摘要1.Introduction2.ComparewithPCA3.DeepAuto-encoder3.1MultiLayer3.2Visualize4.TextRetrieval4.1Bag-of-word4.2Auto-encoder5.SimilarImageSearch6.CNNasEncoder6.1Unpooling6.2Deconvolution总结和展望摘要文节主要介绍了自编码
ZN_daydayup·2022-08-30 07:35

2020李宏毅机器学习笔记——21. Unsupervised Learning-Deep Auto-encoder(无监督学习之自编码器)

摘要：本章主要是关于自编码器的原理及其应用，自编码器是一种无监督学习方法，可用于数据降维及特征抽取。其中自编码器由编码器（Encoder）和解码器（Decoder）两部分组成。编码器通常对输入对象进行压缩表示，解码器对经压缩表示后的code进行解码重构。Auto-encoder还可以对模型进行预训练，得到好的模型初始化的参数。以及Auto-encoder可以对数据进行降维处理，且降维后的数据可以很
HSR CatcousCherishes·2022-08-30 07:00

李宏毅机器学习笔记p5-p8：误差和梯度下降

文章目录前言误差Error偏差Bias偏差过大方差Variance方差过大选择平衡偏差和方差的模型N-折交叉验证梯度下降调整学习率1.固定学习率2.自适应学习率——Adagrad随机梯度下降特征缩放梯度下降的理论基础总结前言这篇开始涉及到了我未涉及的领域，也算是机器学习的慢慢深入，虽然知识点是新的，但通过视频和笔记，还是基本可以理解透彻。提示：以下是本篇文章正文内容，下面案例可供参考误差Error
鸿鹄一夏·2022-08-25 07:32

李宏毅机器学习笔记：新版p5-p9网络设计的技巧

文章目录前言局部最小值和鞍点鉴别方法批次batch和动量momentumbatchsmallbatch和largebatchmomentum自动调整学习率warmup分类softmax()分类下所用的loss批次标准化featureNormalizationtesting总结前言在学习完之后，我发现整个前面的学习过程相当于给我们搭建了一整个框架。而这五章的学习，相当于查漏补缺提升，让我们更加熟悉里
鸿鹄一夏·2022-08-25 07:32

李宏毅机器学习笔记-深度学习

李宏毅机器学习笔记-深度学习1深度学习的三个步骤deeplearning与机器学习类似，也有3个步骤：Step1：神经网络（Neuralnetwork）Step2：模型评估（Goodnessoffunction
零露_·2022-07-29 07:21

2020李宏毅机器学习笔记-Generative Adversarial Network - Theory behind GAN

目录摘要1.TheorybehindGAN2.MaximumLikelihoodEstimation3.MLE=MinimizeKLDivergence4.Generator5.Discriminator6.GDAlgorithmforGAN7.AlgorithmforGAN（Review）结论与展望摘要从某种意义上来讲,GAN图片生成任务就是生成概率分布。因此,我们有必要结合概率分布来理解GAN
ZN_daydayup·2022-06-18 07:09

2020李宏毅机器学习笔记-Transfer Learning

目录摘要IntroduceWhyNeed？TargetDatalabelled&SourceDatalabelledModelFine-tuningConservativeTrainingLayerTransferMultitaskLearningProgressiveNeuralNetworksTargetDataunlabelled&SourceDatalabelledDomain-adver
ZN_daydayup·2022-06-18 07:09

2020李宏毅机器学习笔记-Generative Adversarial Network - Conditional GAN

目录摘要1.Text-to-Image1.1Traditionalsupervisedapproach1.2ConditionalGAN1.3ConditionalGAN-Discriminator1.4StackGAN2.Image-to-image2.1application2.2Traditionalsupervisedapproach2.3ConditionalGAN3.SpeechEnh
ZN_daydayup·2022-06-18 07:39

2020李宏毅机器学习笔记-Anomaly Detection

目录摘要1.ProblemFormulation2.WhatisAnomaly?3.Applications4.如何做AnomalyDetection4.1BinaryClassification?4.2Categories5.withlabel5.1ExampleApplication5.2HowtousetheClassifier5.3HowtoestimateConfidence？5.4Ex
ZN_daydayup·2022-06-18 07:38

李宏毅机器学习笔记：GAN

前言主要记录李宏毅机器学习2021中介绍GAN部分的笔记，从GAN的发展开始到GAN的基本理论再到GAN生成的评价方法最后到介绍流行的GAN方法。一、GAN的基本介绍GAN的全名是GenerativeAdversarialNetwork生成对抗网络，其主要的目的是为了让训练机器让机器能够自主生成相对应类型的图片，其中生成器generator就是GAN中进行生成相对应类似分布的网络，而鉴别器Disc
YuriFan·2022-06-18 07:55

李宏毅老师机器学习课程笔记_ML Lecture 0-1: Introduction of Machine Learning

视频链接（bilibili）：李宏毅机器学习(2017)另外已经有有心的同学做了速记并更新在github上：李宏毅机器学习笔记(LeeML-Notes)所以，接下来我的笔记只记录一些我自己的总结和听课当时的
leogoforit·2022-06-18 07:47

李宏毅机器学习笔记1--线性回归

课程第一部分讲的是关于线性回归和梯度下降的基本知识，虽然这部分比较容易理解，但还是有不少需要注意的点。模型创建在课程开始的时候老师便提到模型创建的流程：ModelGoodnessofFucntionBestFunctionModel这里模型选择比较简单，选择的是线性模型：y=b+∑wixiy=b+\sumw_ix_iy=b+∑wixi其中xix_ixi代表某一input，而wiw_iwi代表相应的
Zach要努力·2022-06-18 07:14

李宏毅机器学习笔记：机器学习介绍

前言本文记录了关于机器学习的基本介绍，机器学习的一个基本的框架以及机器学习的相关技术，并且本文是基于台湾李宏毅机器学习课程的基础上所做的笔记。一、机器学习介绍机器学习是什么机器学习的本质其实就是在寻找一个Function，这个Function可以满足我们的期望：输入一个特定的值，输出我们所需要的，比如在自然语言方面输入一段语音期望能够识别出语音的内容，在图像识别方面，输入图像期望输出图像内容的类别
YuriFan·2022-06-07 07:01

2021李宏毅机器学习笔记--11 explainable ML

2021李宏毅机器学习笔记--11explainableML摘要一、局部可解释性1.1基本思想1.2移除组成要素1.3改变组成要素1.4局限性1.5实例（pokemonvsdigimon）二、全局可解释性
guoxinxin0605·2022-06-07 07:21

李宏毅机器学习笔记4 -- DNN训练

李宏毅课程中关于Tipsofdeeplearning这部分讲的知识点比较多而且很细节。其中的dropout、ReLU等等很早就使用了，但是其中的细节却一直没有注意，这里总结一下课程中的知识，趁机巩固一下基础。开篇作者主要介绍了五部分，针对的是训练集表现不好即以测试集（验证集）表现不好（过拟合）两个问题。训练集表现不好当模型在训练集表现不好时，有可能是模型复杂度不够，但是在DeepLearning中
Zach要努力·2022-06-07 07:16

2020李宏毅机器学习笔记——25. GAN（生成对抗网络）

GenerativeAdversarialNetwork(生成对抗网络)文章目录摘要0引言1.BasicIdeaofGAN（GAN的基本思想）1.1Generation（生成）1.2Discriminator（判别器）1.3生成器和判别器的关系1.4Algorithm2.GANasstructuredlearning2.1什么是StructuredLearning？2.2WhyStructured
HSR CatcousCherishes·2022-06-05 08:12

李宏毅机器学习笔记：卷积神经网络

李宏毅机器学习笔记—卷积神经网络这个笔记是Datawhale基于李宏毅老师的机器学习课程而整理的，侵删。
黄波波19·2022-05-20 07:05

李宏毅机器学习笔记L3 卷积神经网络

L3卷积神经网络by熠熠发光的白CNN架构介绍将图片每一个类别都表示成one-hot，例如猫的话对应猫的dimension是1，其余都是0，主要种类长度也就对应了dimension的长度。在模型输出后经过softmax得到的y’要和y^\hatyy^相同一张图片是三维的tensor（宽，高，channel（RGB）），将三维的Tensor拉直，也就能作为network的输入例如对于100×100×
熠熠发光的白·2022-05-20 07:35

李宏毅机器学习笔记06-卷积神经网络

为什么用CNN我们都知道CNN常常被用在影像处理上，如果你今天用CNN来做影像处理，当然也可以用一般的neuralnetwork来做影像处理，不一定要用CNN。比如说你想要做影像的分类，那么你就是training一个neuralnetwork,input一张图片，那么你就把这张图片表示成里面的pixel，也就是很长很长的vector。output就是(假如你有1000个类别，output就是100
hifuture_·2022-05-20 07:00

李宏毅机器学习--课后作业HW_1

而是通过在课堂上加入游戏元素来引导大家学习，我个人觉得这种方式是很好的，而且原理讲的也很清楚，适合小白学习，这里有B站的视频链接，想学习的可以去看一下【李宏毅《机器学习》-哔哩哔哩】，可以配着学习笔记学（李宏毅机器学习笔记
躺着醒，醒着睡·2022-05-19 07:13

李宏毅机器学习笔记——机器学习相关技术介绍

机器学习技术介绍让机器具有学习的能力，人工智能是人类想要达到的目的，能够像人一样的聪明，机器通过学习方式来达到跟人一样甚至超越人的能力。机器学习技术是达成人工智能的手段。机器学习中包括基于数理统计的传统机器学习和基于人体仿生学的深度学习机器学习相关的技术监督学习数据与标签已知，通过让模型来学习数据与标签之间的映射，对其他输入的数据来完成预测。半监督学习少部分数据标签已知，大部分数据无标签，考虑到标
小陈phd·2022-05-17 07:00

李宏毅机器学习笔记：Transformer和Normalization

前言：本文主要记录关于李宏毅机器学习2021中Transfomer和Normalization章节的相关笔记，其中Transformer主要介绍了在NLP领域的作用而Normalization主要介绍BatchNormalization的操作。一、Normalization①为什么要做归一化处理先说归一化的目的或者优点：归一化的目的主要是为了让模型的收敛速度更快，对于使用梯度下降优化的模型，每次迭
YuriFan·2022-04-13 07:14

李宏毅机器学习笔记-10：卷积神经网络CNN

CNN通常使用在影像辨识上面CNN整体架构输入Data，经过卷积（Convolution），池化（Pooling），卷积，池化…（碾平（Flatten））全连（FullyConneted），其中卷积层，池化层的层数由自己决定CNN—Convolution理解下Filter，Stride，然后是卷积的过程，对于没颜色的图片，高度就是1，Filter的深度就是1，直接对应相乘得到output，对于彩色
墨九南烟·2022-04-04 10:18

李宏毅机器学习笔记3——卷积神经网络

ImageClassification把图片设成同尺寸。image是一个模型的输入。“yhead”dimention长度决定了辨别多少种类动物。输出的y’与yhead的Crossentropy越小越好。tensor张量向量里的值代表某一个位置颜色的强度。模型的弹性越大，越容易overfitting观察一：不一定要看整个图片，可能只看图片中的几个关键点就可以识别了。每个neuro只需观察自己的rec
vincewm·2022-04-04 10:16

2021李宏毅机器学习笔记--8Convolutional Neural Network CNN卷积神经网络

2021李宏毅机器学习笔记--8ConvolutionalNeuralNetworkCNN卷积神经网络摘要1CNN可以用于图像处理的原因1.1鉴别时只需要看图像的某一部分1.2相同的部位出现在图像不同的位置无需重复训练
guoxinxin0605·2022-04-04 10:45

李宏毅机器学习笔记：CNN 卷积神经网络

源视频链接：https://www.bilibili.com/video/BV1Ht411g7Ef?p=21参考博客链接：https://datawhalechina.github.io/leeml-notes/#/chapter21/chapter21额外再推荐两个视频链接辅助理解CNN李宏毅2021春机器学习课程：https://www.bilibili.com/video/BV1Wv411h
麻麻在学习·2022-04-04 10:45

李宏毅机器学习笔记(九)——卷积神经网络(CNN)

文章目录一.图像的特点二.卷积神经网络的原理1.卷积层2.池化层3.全连接层三.查看CNN的学习内容四.CNN的其余应用一.图像的特点  以前的问题中，我们的输入是一个明显的n维向量，但对于一张图片，或者是可以与图片类比的内容(比如说棋盘等等)，如果我们想要使用神经网络，按照以前的思想，那就是把图片也转化成一个n维向量。  当然，依靠之前的神经网络，反正是全连接的，那转化方式就不重要了，直接摊平去
Unique13·2022-04-04 10:07

DW李宏毅机器学习笔记--Task03（下）-梯度下降

文章目录前言什么是梯度下降法？Tip1：调整学习速率小心翼翼地调整学习率自适应学习率Adagrad算法Adagrad是什么？Adagrad举例Adagrad存在的矛盾？多参数下结论不一定成立Adagrad进一步的解释Tip2：随机梯度下降法Tip3：特征缩放为什么要这样做？怎么做缩放？梯度下降的理论基础问题数学理论泰勒展开式定义多变量泰勒展开式利用泰勒展开式简化梯度下降的限制总结前言这是我在Dat
湘玄书生·2022-03-31 07:51

深度强化学习浅析（李宏毅机器学习笔记

39.深度强化学习浅析（李宏毅机器学习笔记深度强化学习浅析强化学习的应用场景监督v.s.强化应用举例学习一个chat-bot交互搜索更多应用例子:玩视频游戏强化学习的难点强化学习的方法Policy-based
CHEN_BR·2022-03-03 07:19

[机器学习入门] 李宏毅机器学习笔记-21（Transfer Learning part 1 ; 迁移学习 part 1）

[机器学习入门]李宏毅机器学习笔记-21（TransferLearningpart1;迁移学习part1）PDFVIDEOTransferLearning利用与task没有直接相关的data什么叫没有直接相关呢
holeung·2022-02-14 17:48

李宏毅机器学习笔记 3.误差和梯度下降

最近在跟着Datawhale组队学习打卡，学习李宏毅的机器学习/深度学习的课程。课程视频：https://www.bilibili.com/video/BV1Ht411g7Ef开源内容：https://github.com/datawhalechina/leeml-notes本篇文章对应视频中的P5-8。另外，最近我也在学习邱锡鹏教授的《神经网络与深度学习》，会补充书上的一点内容。通过上一次课2.
Simone Zeng·2021-08-22 19:28

[机器学习入门]李宏毅机器学习笔记-2（Regression：Case Study；回归：案例研究）

PDFVIDEO[机器学习入门]李宏毅机器学习笔记-2（Regression：CaseStudy；回归：案例研究）PDFVIDEORegression-pokemons正如我们在笔记一中提到的，Regression
holeung·2021-05-13 16:16

[机器学习入门] 李宏毅机器学习笔记-26（Structured Support Vector Machine part 1;结构化支持向量机part 1）

[机器学习入门]李宏毅机器学习笔记-26（StructuredSupportVectorMachinepart1;结构化支持向量机part1）PDFVIDEO首先回顾一下StructuredLearning
holeung·2021-04-27 07:34

【ML入门】李宏毅机器学习笔记-11（卷积神经网络CNN）

参考：[机器学习入门]李宏毅机器学习笔记-11（ConvolutionalNeuralNetwork；卷积神经网络）-Holeungblog-CSDN博客https://blog.csdn.net/soulmeetliang
BG大龍·2021-04-19 11:48

李宏毅机器学习笔记4：Logistic Regression

LogisticRegressionReviewclassification通过样本点的均值uuu和协方差Σ\SigmaΣ来计算P(C1),P(C2),P(x∣C1),P(x∣C2)P(C_1),P(C_2),P(x|C_1),P(x|C_2)P(C1),P(C2),P(x∣C1),P(x∣C2)，进而利用P(C1∣x)=P(C1)P(x∣C1)P(C1)P(x∣C1)+P(C2)P(x∣C2)P
chairon·2020-10-16 12:33

李宏毅机器学习笔记1：Regression

损失函数梯度下降随机初始化起始位w0在w0处对损失函数求导（偏导）w1=w0-学习率*w0处的倒数一直重复计算，直到导数为0，或者达到最大迭代次数。Generalization泛化(generalization)是指神经网络对未在训练(学习)过程中遇到的数据可以得到合理的输出。使真实数据的误差更小。一个更复杂的模型可以使训练集上的误差更小，但是不一定能使测试集上的误差也更小（过泛化）损失函数+很小
chairon·2020-10-08 15:20

[机器学习入门] 李宏毅机器学习笔记-21（Transfer Learning part 1 ; 迁移学习 part 1）

[机器学习入门]李宏毅机器学习笔记-21（TransferLearningpart1;迁移学习part1）PDFVIDEOTransferLearning利用与task没有直接相关的data什么叫没有直接相关呢
holeung·2020-09-16 01:02

[机器学习入门] 李宏毅机器学习笔记-22（Transfer Learning part 2；迁移学习 part 2）

[机器学习入门]李宏毅机器学习笔记-22（TransferLearningpart2；迁移学习part2）PDFVIDEO接part1第四象限Targetdataunlabelled，SourceDatalabelledZero-shotlearning
holeung·2020-09-16 01:02

李宏毅机器学习笔记-12：Semi-supervised Learning半监督学习

Machinelearning机器学习是Artificialinteligence的核心，分为四类：1.Supervisedlearning监督学习是有特征（feature）和标签（label）的，即便是没有标签的，机器也是可以通过特征和标签之间的关系，判断出标签。举例子理解：高考试题是在考试前就有标准答案的，在学习和做题的过程中，可以对照答案，分析问题找出方法。在高考题没有给出答案的时候，也是可
墨九南烟·2020-09-14 15:43

李宏毅机器学习笔记-9：Tips For Training DNN

我们训练一个神经网络首先就要在TrainingData上做测试，如果在TrainingData上的效果很好，再拿去TestingData测试。这是为啥？等下再解释下面是训练一个神经网络的大致过程有的时候TestData测试结果不好并不是过拟合的结果这是因为你的神经网络在Trainset的结果本来就不好，上图56层的神经网络在训练的结果就没20层的好，所以在Testset的结果自然就比20层差。如果
墨九南烟·2020-09-14 15:42

李宏毅机器学习笔记-7 反向传播算法（Backpropagation）

Backpropagation-反向传播算法1前言1.1为什么要用Backpropagation在神经网络中的梯度下降算法和之前求线性回归方程中用的没有太大的区别，都是不断的计算微分，然后更新参数，最终找到一个最优解。但是在神经网络中，有着大量可能多达上百万个的参数，所以传统的求微分方法行不通，计算量太大无法快速有效的求出微分。1.2链式求导法则（ChainRule）Backprogation中设
MemoryD·2020-09-12 02:01

[机器学习入门] 李宏毅机器学习笔记-9 （“Hello world” of deep learning；初探深度学习）

[机器学习入门]李宏毅机器学习笔记-9（“Helloworld”ofdeeplearning；初探深度学习）KerasExampleApplication-HandwritingDigitRecognitionStep1
holeung·2020-09-10 17:45

国立台湾大学李宏毅机器学习笔记

1.MLLecture0-1-IntroductionofMachineLearning（1）structuredlearning结构学习指的是输入和输出都是具有结构化的对象（数列、列表、树、边界框等）。在之前的学习中，输入和输出都是向量。然而在现实生活中，我们需要解决的问题并不都是此类问题。因此我们需要一个更加强大的函数-其输入输出都是对象，而对象可能是序列、列表、树或者是边界盒等等。举例来说，
Yuggie_Sue·2020-09-10 11:30

李宏毅机器学习笔记13（Structured Learning）

StructuredLearning1、什么叫结构化学习2、结构化学习统一框架3、结构化学习的三个问题4、线性模型解决结构化学习的三个问题1、什么叫结构化学习之前的inputandoutput都是vectors结构化学习：输入输出都是一种带有结构的对象（sequence,list,tree,boundingbox）结构化学习的应用：2、结构化学习统一框架Training阶段：就是找一个Ｆ来评估Ｘ与
aomangyu0290·2020-08-25 17:20

[机器学习入门] 李宏毅机器学习笔记-28 (Structured SVM part 3 ;结构化支持向量机 part 3)

[机器学习入门]李宏毅机器学习笔记-28(StructuredSVMpart3;结构化支持向量机part3)PDFVIDEOStructuredSVM接上篇Multi-classandbinarySVM
holeung·2020-08-25 17:10

[机器学习入门] 李宏毅机器学习笔记-27（Structured SVM part 2；结构化支持向量机 part 2）

[机器学习入门]李宏毅机器学习笔记-27（StructuredSVMpart2；结构化支持向量机part2）PDFVIDEOStructureSVM接上篇Regularization番外篇：当我坐在杭州梦想小镇的咖啡厅学习到此处时
holeung·2020-08-25 17:10

[机器学习入门] 李宏毅机器学习笔记-18 （Deep Generative Model-part 1：深度生成模型-part 1）

[机器学习入门]李宏毅机器学习笔记-18（DeepGenerativeModel-part1：深度生成模型-part1）PDFVIDEOCreation据说在费曼死后，人们在他生前的黑板上拍到如图画片，
holeung·2020-08-21 10:47
上一页 1 2 3 4 5 6 7 下一页
按字母分类： ABCDEFGHIJKLMNOPQRSTUVWXYZ其他