暂时未有相关云产品技术能力~
暂无个人介绍
Python 过滤字母和数字
机器学习-范数正则化:L1正则,L2正则
LSTM 已经在科技领域有了多种应用。基于 LSTM 的系统可以学习翻译语言、控制机器人、图像分析、文档摘要、语音识别图像识别、手写识别、控制聊天机器人、预测疾病、点击率和股票、合成音乐等等任务。下面是自己学习过程中收集的LSTM资料
Sequence to Sequence学习资料
交叉熵初识-cross entropy
QA-对话系统-问答系统-聊天机器人-chatbot相关资源
斯坦福tensorflow教程(六)-tensorflow 实现线性回归
已知输入变量x,判别模型(discriminative model)通过求解条件概率分布P(y|x)或者直接计算y的值来预测y。生成模型(generative model)通过对观测值和标注数据计算联合概率分布P(x,y)来达到判定估算y的目的。
这篇word2vec教程2中(教程1 Word2Vec教程-Skip-Gram模型),作者主要讲述了skip-gram 模型优化的策略-Negative Sampling,使得模型更加快速地训练。通过教程1,我们了解到word2vec它是一个庞大的神经忘网络! 例如,有一个包含10000个单词的词汇表,向量特征为300维,我们记得这个神经网络将会有两个weights矩阵----一个隐藏层和一个输出层。这两层都会有一个300x10000=3000000的weight矩阵。 在如此大的神经网络上进行梯度下降是非常慢的,更加严重的是,我们需要大量训练数据去调整weights和避免over-fitti
斯坦福tensorflow教程(五)-实例代码
TensorFlow饱受诟病的痛点就是只支持静态图模型。也就是说,在处理数据前必须预先定义好一个完整的模型。如果数据非常规整,那还好。但实际工程和研究项目中的数据,难免有一些边角的情况。很多项目,其实需要大量实验才能选择正确的图模型。这就很痛苦了。因此,很多项目转而采用了PyTorch等支持动态图模型的框架,以便在运行程序的时候动态修正模型。
主要方法有:编辑距离、余弦相似度、模糊相似度百分比
斯坦福tensorflow教程(三) 线性和逻辑回归
斯坦福tensorflow教程(二) tensorflow相关运算(二)
斯坦福tensorflow教程(二) tensorflow相关运算(一)
斯坦福tensorflow教程(一) tensorflow概述
图床
机器学习(十)高斯混合模型与EM算法
大数据入门与实战-Hadoop核心HDFS
数据挖掘作业
Leetcode-Medium 338. Counting Bits
自己在使用pandas和numpy处理数据的时候,遇到了很多坑,运用不熟练,在探索的过程中找到以下文章,本来自己想整理这些知识点,但是返现,可能自己写出来的效果差不多,并且以下文章整理很全面,自己挑选了几篇好文章留存插眼。
动态规划算法总结
Leetcode-Easy 437. Path Sum III
Leetcode-Easy 101. Symmetric Tree
自然语言处理期刊
Leetcode-Easy 121. Best Time to Buy and Sell Stock
二叉树的深度
Leetcode-Easy 543. Diameter of Binary Tree
Leetcode-Easy 572. Subtree of Another Tree
Leetcode-Easy 804. Unique Morse Code Words
连续子数组的最大和
Leetcode-Easy 72. Edit Distance
Leetcode-Easy 155. Min Stack
Leetcode-Easy 20. Valid Parentheses
Leetcode-Easy 141. Linked List Cycle
Leetcode-Easy 70. Climbing Stairs
数据结构-栈的定义及python实现
Leetcode-Easy21. Merge Two Sorted Lists
Leetcode-Easy 136. Single Number
python实现二叉树的创建和遍历
Leetcode-Easy 575. Distribute Candies
Leetcode-Easy 412. Fizz Buzz
二叉排序树 python实现
Leetcode-Easy 728. Self Dividing Numbers
Leetcode-Easy 657. Judge Route Circle
Leetcode-Easy 461.Hamming Distance
在这篇文章中,我们将要讨论不同的特征提取方法,从一些基本技巧逐步深入学习高级自然语言处理技术。我们也将会学习如何预处理文本数据,以便可以从“干净”数据中提取更好的特征。
在这篇文章中,我们将要讨论不同的特征提取方法,从一些基本技巧逐步深入学习高级自然语言处理技术。我们也将会学习如何预处理文本数据,以便可以从“干净”数据中提取更好的特征。
在这篇文章中,我们将要讨论不同的特征提取方法,从一些基本技巧逐步深入学习高级自然语言处理技术。我们也将会学习如何预处理文本数据,以便可以从“干净”数据中提取更好的特征。