V2EX › Xs0ul 的所有回复 › 第 19 页 / 共 38 页

V2EX = way to explore

V2EX 是一个关于分享和探索的地方

现在注册

已注册用户请登录

1 ... 15 16 17 18 19 20 21 22 23 24 ... 38

❮

❯

2017 年 5 月 14 日

回复了 fesiong 创建的主题 › 游戏 › 有没有一个比较休闲的手机玩的游戏推荐

@zhanglintc #41 我是美区下的，国区不清楚

2017 年 5 月 14 日

回复了 fesiong 创建的主题 › 游戏 › 有没有一个比较休闲的手机玩的游戏推荐

@Gran1987 火纹+1

2017 年 5 月 13 日

回复了 mikumkf 创建的主题 › 求职 › 求份前端／图像处理相关实习斗胆附简历

00 年的都已经大二了，厉害呀

2017 年 5 月 13 日

回复了 zjqzxc 创建的主题 › 信息安全 › 可能要出大问题了：校园网比特币病毒勒索事件

微博看到有英国的医院也中招了

2017 年 5 月 4 日

回复了 simple26 创建的主题 › 程序员 › 理解机器学习中的偏差与方差

@954880786 #2 参考楼主的公式 (2)，f bar 是与样本无关的，取决于 X 本身的分布和模型的选取。因此公式 (5) 的 bias 也与训练样本无关。

2017 年 5 月 4 日

回复了 simple26 创建的主题 › 程序员 › 理解机器学习中的偏差与方差

最后一段对 bias-variance trade-off 的解释有点含糊，“训练程度”这个词有点问题。

个人理解，训练程度是指训练用的数据的数量增加。但是训练数据增加一般导致 variance 下降，并不影响 bias。

最常见同时影响 bias 和 variance 的，应该是模型复杂度。

2017 年 4 月 29 日

回复了 meetocean 创建的主题 › 问与答 › 有想学习逻辑学并运用于现实生活中的吗？

@meetocean #3 "外国学者罗斯门...":来源请求？

“ 701 名发明家”，统计上显著吗？抽样有偏差吗？

各种“例如”，有逻辑么？

最后的结论。。“西方英雄出少年，一个核心的必要条件就是逻辑学”。你的论据和逻辑学没有任何关系，逻辑学这个位置想放什么放什么。

2017 年 4 月 27 日

回复了 xiaoyu233 创建的主题 › 机器学习 › 如何触及深度学习的底层原理

个人觉得基础弱的，先不要急着看 CNN 和 RNN，可以先看看最早的模型：
感知机 /Perceptron （包括了最基本的思想）
全连接的神经网络以及激活函数（复杂度提升，引入反向传播）

能走到这一步，可以说是入门了。

2017 年 4 月 26 日

回复了 viator42 创建的主题 › 健康 › 家里亲戚沉迷排毒，我听他们说了过程总感觉不太对劲，你们觉得呢

@df4VW #10 12 瓶果汁的 program ？来源请求（如果目的是减肥当我没说（

2017 年 4 月 24 日

回复了 alwayshere 创建的主题 › 程序员 › github 上 tensorflow 一个简单项目，新手有点不太懂

1. no_of_epochs 是 number of epochs ，一般把整个训练集循环一遍叫一个 epoch 。
2. “每次测试一张图片貌似都要训练一次样本集”，模型就是要靠比较每一次的测试结果和真实结果来训练的，所以不存在先训练再测试的说法。

这两个问题，倒其实不算是 deep learning 的内容。楼主可以看看 gradient descend/梯度下降法以及修改版 SGD/随机梯度下降法、 minibatch GD/批量梯度下降。

不过讲道理，入门 deep learning ，不自己推导反向传播公式之类的倒是无所谓。但是啥理论也不想看，就想直接看懂代码做了什么。。那可能想多了

2017 年 4 月 20 日

回复了 graetdk 创建的主题 › 随想 › 体重大的人骑自行车下坡，滑行速度会比体重轻的人更快吗？

看了楼主原文，槽点太多

2017 年 4 月 5 日

回复了 kaifeii 创建的主题 › 奇思妙想 › 高像素数码相机+图像分析=打蚊子？

@kaifeii #4 这是我见过最浮夸的买相机的理由（

2017 年 4 月 3 日

回复了 RangerWolf 创建的主题 › 奇思妙想 › 机器学习平台，会有用么？

@RangerWolf ML 分类是你拿一大堆以前分好的数据，用算法弄出分类的规则。如果现有脚本已经能完美分类了， ML 的分类不见得能达到同样程度。

2017 年 3 月 22 日

回复了 jziwenchen 创建的主题 › 机器学习 › 如何入门机器学习领域有好的学习路径推荐？

@YouXia 另外微积分、线代、概率论是入门的基础，但是想要更好地理解，还得更多的数学知识。

比如最简单的线性回归，一元的只要会求导就行，多元就得和线代结合起来；而想要更深入理解，比如从投影的角度去理解，或者要理解核方法引入的无限维空间，可能就需要泛函的知识了。

此外微积分线代概率论都是低下限高上限的课，一门课学到的知识可能远远不够，还得不断学习，共勉。比如 SVM 的对偶问题部分，说起来也只需要算梯度、严谨的逻辑以及计算。但是从头到尾的证明，没有扎实的基础是看不下去的。

另外就线代来说（也有一些机器学习的算法），推荐一个博客，线代启示录，从浅到深各种层次的知识都有，看问题的角度也很棒，我个人觉得受益匪浅。

2017 年 3 月 22 日

回复了 jziwenchen 创建的主题 › 机器学习 › 如何入门机器学习领域有好的学习路径推荐？

@YouXia 我是说给已经忘得差不多的楼主听的。。我要跟他说全得满分怎么遭得住

2017 年 3 月 22 日

回复了 jziwenchen 创建的主题 › 机器学习 › 如何入门机器学习领域有好的学习路径推荐？

@jziwenchen 随便搜个本科的微积分和线性代数期末考卷，要说捡起来，至少得做个及格吧

2017 年 3 月 20 日

回复了 abellee 创建的主题 › iOS › 关于一个游戏社区的构思，欢迎各位来拍板子

其实技术、功能什么的是其次，问题是你怎么干得过微信（

2017 年 3 月 17 日

回复了 A2923 创建的主题 › 机器学习 › 想自学 ml 对机子配置要求高吗？

至少我们的课后作业，很多人都是用 mba 做的（

你不做 deep learning ，也基本用不到 GPU （

1 ... 15 16 17 18 19 20 21 22 23 24 ... 38

❮

❯