不管是GMM，还是k-means，都面临一个问题，就是k的个数如何选取？比如在bag-of-words模型中，用k-means训练码书，那么应该选取多少个码字呢？为了不在这个参数的选取上花费太多时间，可以考虑层次聚类。 假设有N个待聚类的样本，对于层次聚类来说，基本步骤就是： 1、（初始化）把每个样 ...
分类：
其他好文 时间：
2021-01-20 11:55:49
阅读次数：
0
在那很久很久以前，可爱的小夕写了一篇将逻辑回归小题大做的文章，然后在另一篇文章中阐述了逻辑回归的本质，并且推广出了softmax函数。从那之后，小夕又在一篇文章中阐述了逻辑回归与朴素贝叶斯的恩仇录，这两大祖先级人物将机器学习的国度划分为两大板块——生成式与判别式。后来，朴素贝叶斯为了将自己的国度发扬光大，进化出了贝叶斯网以抗衡逻辑回归，一雪前耻。然而，傲娇的逻辑回归怎能就此善罢甘休呢？ps：对上面
分类：
其他好文 时间：
2020-12-29 11:51:06
阅读次数：
0
SoftMax 回归(与Logistic 回归的联系与区别) SoftMax 试图解决的问题 SoftMax回归模型是Logistic回归模型在多分类问题上的推广,即在多分类问题中,类标签y可以取两个以上的值 对于Logistic回归的假设函数$h_\theta(x) = \frac{1}{1 + ...
分类：
其他好文 时间：
2020-12-08 12:26:01
阅读次数：
4
五分钟看懂seq2seqattention模型。本文通过图片，详细地画出了seq2seq+attention模型的全部流程，帮助小伙伴们无痛理解机器翻译等任务的重要模型。seq2seq是一个Encoder–Decoder结构的网络，它的输入是一个序列，输出也是一个序列，Encoder中将一个可变长度的信号序列变为固定长度的向量表达，Decoder将这个固定长度的向量变成可变长度的目标的信号序列。-
分类：
其他好文 时间：
2020-11-26 14:57:13
阅读次数：
5
作者：仲夏夜之星 点击上方“3D视觉工坊”，选择“星标” 干货第一时间送达 论文标题：Scale-Hierarchical 3D Object Recognition in Cluttered Scenes作者：Prabin Bariya，Ko Nishino论文地址：在公众号「3D视觉工坊」，后台 ...
分类：
其他好文 时间：
2020-10-26 10:59:30
阅读次数：
19
1、什么叫回归算法: 常见的回归算法有: 线性回归、Logistic回归、Softmax回归...... ① 回归算法属于一种有监督学习 ② 回归算法是一种比较常用的机器学习算法，用来建立自变量(x)与因变量(y)之间的关系；从机器学习的角度来讲，用于构建一个算法模型(函数)来做属性(x)与标签(y ...
分类：
编程语言 时间：
2020-09-03 16:55:20
阅读次数：
39
计算机视觉岗常见面试题 问题1：Softmax+Cross Entropy反向求导 问题2：BatchNorm层的详细解读(具体可以参考之后出版的百面深度学习2333) 作用： 使得每层的输入/输出分布更加稳定，避免参数更新和网络层次变深大幅度影响数据分布。从而使模型训练更稳定。 参数?β?和?γ的 ...
分类：
其他好文 时间：
2020-07-29 22:01:18
阅读次数：
161
1. fasttext 参数含义 - input # training file path (required) 训练文件路径（必须）<br> - lr # learning rate [0.1] 学习率 default 0.1<br> - dim # size of word vectors [1 ...
分类：
其他好文 时间：
2020-07-28 00:30:47
阅读次数：
122
Softmax softmax可以将经交叉熵损失函数的输出都映射到 0 到 1 间，且各分类累和为 1。符合概率分布。 假设共有 n 个输出 [Z1,...,Zn]，对第 i 个元素 Zi 的softmax的计算公式：Si = ezi / sum(ezn) softmax的反向传播求导过程 http ...
分类：
其他好文 时间：
2020-07-15 23:12:01
阅读次数：
195
CVPR 2020 Part-aware Context Network for Human Parsing Hierarchical Human Parsing with Typed Part-Relation Reasoning Self-Learning with Rectification ...
分类：
其他好文 时间：
2020-07-11 22:38:00
阅读次数：
160
