事前 ：ML2021Spring-hw1 | Kagglehttps://github.com/xiaolilaoli/lihongyi2022homework/tree/main/hw1_covidpred 当然作为新手，我也是参考的其他大神的。参考的过多，我就不一一放地址了，在这里谢过各位大佬。如果和我一样
转载
2024-07-10 09:29:42
42阅读
尚未完成，先做代码保存用。 # 判断工资是否大于50k import numpy as np import pandas as pd def data_process(data): print(data.shape) data = np.array(data) # 处理y_train的数据，并统计工 ...
转载
2021-09-23 20:16:00
221阅读
2评论
推导LR损失函数(1)假定： LR逻辑回归假设样本服从泊松0–1分布，因此p(y|x)表达式： 求最大似然估计： 进而求最大对数似然估计：损失函数： 损失函数表征预测值与真实值之间的差异程度，如果预测值与真实值越接近则损失函数应该越小。在此损失函数可以取为最大似然估计函数的相反数，其次除以m这一因子并不改变最终求导极值结果，通过除以m可以得到平均损失值，避免样本数量对于损失值的影响。学习LR梯
转载
2023-08-30 18:51:55
121阅读
# 深度学习入门：李宏毅深度学习作业 Datawhale
深度学习是一种机器学习的分支，它利用神经网络模型来对数据进行训练和预测。在过去的几年里，深度学习已经取得了显著的进展，并在许多领域取得了令人瞩目的成果。为了帮助初学者入门深度学习，台湾大学教授李宏毅推出了深度学习作业 Datawhale，该作业提供了一系列的教学材料和实践任务，为学习者提供了一个循序渐进的学习路径。
## 深度学习的基本
原创
2023-08-14 15:39:17
116阅读
# 深度学习作业讲解指南
在这个指南中，我们将探讨如何实现“李宏毅深度学习作业讲解”。深度学习是当今最热门的研究领域之一，而李宏毅教授的课程则深受欢迎。为了帮助你理解如何完成这一作业，我们将细化整个过程，并提供必要的代码示例。
## 整体流程
我们可以将实现这个作业的过程分成几个步骤，下面的表格列出了这些步骤及其对应的描述。
| 步骤 | 描述 |
|------|------|
| 1
更新进度：■■■■■□□□□□□□□□□□□□□□|30%
原创
2023-03-09 07:39:21
287阅读
半监督学习在监督学习中，通常训练数据有input \(x^r\), 也有output \(\hat{y}^r\)。
但是在实际情况下，数据不难收集，但做数据的标记需要花费很大的功夫。
所以半监督学习，就是利用了很多没有标记的数据\(x^u\)，通常U >> R。
transductive learning: unlabeled data就是testing data,
inductive
文章目录【系列文章】【简要说明】【视频分享】【作业详情】【调参记录】【Simple Baseline：1.96993】【Medium Baseline：1.15678】【Strong Baseline：0.92619】【Boss Baseline：0.81456】【总结讨论】【资源链接】【参考文献】【写在最后】 【系列文章】【专栏：深度解析李宏毅机器学习2023作业】【简要说明】1、2023年春
转载
2024-02-07 10:33:12
259阅读
课程链接：http://speech.ee.ntu.edu.tw/~tlkagk/courses_ML20.html 要做这个作业的话需要一定的高数、线代的基础，而且尽量要会使用python的numpy模块。这篇文章大体还是按着baseline走的。必要的前提条件1.记得要把numpy、pandas、csv模块给安装好（网上有很多教程,找适用于你的开发环境的就好）。 2.学习一下numpy的使用：
转载
2024-06-17 16:04:34
151阅读
李宏毅机器学习笔记1.机器学习简介1.1 机器学习项目流程1.1.1 找到未知函数1.1.2 定义训练损失函数1.1.3 优化2.机器学习攻略指南（实现一个好的模型）2.1 训练集loss过大or过小2.1.1 如果train loss过大，如何判断是model bias还是optimize issue2.1.2 model b
原创
2022-06-23 17:44:39
270阅读
# 学习和实现李宏毅的机器学习课程——2021版
在当今快速发展的科技时代，机器学习已经成为了一个炙手可热的领域。李宏毅教授的机器学习课程以优质的内容和直观的讲解，吸引了大量的学习者。如果你是一名刚入行的小白，以下将为你提供一个完整的学习流程，帮助你更好地实现这个课程中的知识。
## 学习流程
以下是实现“李宏毅机器学习2021”课程的步骤：
| 步骤 | 描述
# 如何实现“李宏毅2017机器学习”课程中的项目
在这篇文章中，我将一步一步地指导你如何实现“李宏毅2017机器学习”课中的一个项目。我们将使用Python和常用的机器学习库（如NumPy、Pandas、Matplotlib等）来完成这个项目。首先，让我们概述整个项目的流程。
## 项目步骤流程
| 步骤 | 描述
李宏毅机器学习 总结 本次课程主要通过观看李宏毅老师深度学习视频学习，以下是知识点梳理。 机器学习介绍：了解了机器学习的局限性，以及深度学习的必要性。 回归：通过学习回归任务，知道了使用机器学习模型解决问题的大致流程。 三个步骤 模型假设 选用合适的损失函数进行模型评估 使用梯度下降得到最佳模型 误 ...
转载
2021-07-26 17:30:00
499阅读
2评论
【李宏毅】元学习（Meta learning）的概念与步骤1 概念2 元学习步骤2.1 定义一组学习算法2.2 评价一个学习算法
F
F
转载
2024-09-18 16:04:08
45阅读
文章目录4 Classification4.1 function set简单了解一下概率模型高斯分布怎么计算高斯分布的参数？——最大似然估计4.2 后验概率的计算推导 4 Classification首先分类问题还是属于机器学习模型，只不过输出不是连续的值，而是分类结果。我们用的同样是三步：选择function set→计算误差→选择模型。 假定有两类，我们要使用Regression的方法计算输
转载
2023-12-31 13:41:52
170阅读
李宏毅上传了2020版本的机器学习视频和吴恩达的CS229机器学习相比，中文版本的机器学习显得亲民了许多，李宏毅的机器学习是英文的ppt+中文讲解，非常有利于大家入门。吴恩达的CS229中偏向于传统机器学习（线性回归、逻辑回归、Naive Bayes、决策树、支持向量机等），李宏毅2020版本的机器学习中除了最前面的回归、分类，后面更多篇幅涉及卷积神经网络（CNN）、循环神经网络（RNN）、强化学
转载
2024-01-04 10:11:17
103阅读
李宏毅在2022年提出的机器学习概念是当今快速发展的领域之一，正在推动多个行业的变革。在这篇博文中，将探讨如何解决“李宏毅2022机器学习”中的关键技术问题，重点关注协议背景、抓包方法、报文结构、交互过程、多协议对比和扩展阅读。
### 协议背景
机器学习技术已经逐渐成熟，并被广泛应用于各个领域。在这个过程中，我们可以将机器学习的大致发展历程分为几个阶段。下图展示了机器学习技术的演变。
```
台大李宏毅Machine Learning 2017Fall学习笔记 (13)Semi-supervised Learning本博客参考整理自： 半监督学习的训练数据，有一部分是标注数据，有一部分是无标注数据。 Transductive learning(直推学习)和Inductive learning(归纳学习)都可算是半监督学习，区别在于前者的无标注数据是测试数据（除去label），而后
转载
2024-02-04 21:55:34
157阅读
李宏毅老师的机器学习课程和吴恩达老师的机器学习课程都是都是ML和DL非常好的入门资料，在YouTube、网易云课堂、B站都能观看到相应的课程视频，接下来这一系列的博客我都将记录老师上课的笔记以及自己对这些知识内容的理解与补充。(本笔记配合李宏毅老师的视频一起使用效果更佳！）ML Lecture 4:Classification：Probabilistic Generative Model在这堂课中
转载
2023-12-13 21:14:42
70阅读
目录李宏毅机器学习第五周—sequence to sequence应用Syntactic Parsing（语法分析）Multi-label Classification（多标签分类）Object Detection（目标检测）Seq2Seq结构1.encoder为什么在Self-attention和Fully Connected Layer之后都有一个“Add & Norm”单元？2.de
转载
2024-01-12 19:07:55
129阅读
