可以保存加载模型、有评价指标和训练过程的损失正确率图像，预测值和真实值对比等、正确率很高 绝对不是垃圾代码！！！！

汇总了计算机研究生复试有关机器学习各章节简答题，使用了易于口头表达的语言进行了总结。包括了机器学习的常用概念及相关算法内容。可供研究生复试或相关专业岗位面试使用。 1. 什么是梯度爆炸和梯度消失？如何解决梯度消失、梯度爆炸？ 2. 数据挖掘是干什么的？ 3. 回归模型 4. k-means算法（k均值算法） 5. kNN （k近邻）学习 6. 决策树（ID3算法和C4.5算法） 7. 随机森林模型 8. SVM（支持向量机） 9. 朴素贝叶斯(naive Bayes) 1. 基础神经网络架构及常用名词 2. BP(back propagation，多层前馈)神经网络 3. 循环神经网络RNN、LSTM 网络： 4. CNN 网络 5. Hopfield 神经网络

实现使用GAN进行纹理合成的代码

1.2 项目目标 使用机器学习 和 情感词典 这两种方法 分别对中文新闻类文本进行情感极性分析 输入一段新闻文本能够得到文本的情感极性 1.3 目标人群 需要对已有中文文本数据进行情感分析的企业及用户 APP中需要集成中文文本情感分析功能的开发人员 从事中文文本情感分析与挖掘的研究人员

视觉问题回答项目，具有最先进的单一模型性能

斯坦福机器学习讲义，学习机器学习的最佳入门课程，视频连接http://open.163.com/special/opencourse/machinelearning.html

在TensorFlow中实现更清晰，更简单的同步 Advantage Actor Critic（A2C）

探索性数据分析/ 支持向量机/ word2vec/ 贝叶斯-拼写检查器.zip 贝叶斯-新闻分类.zip 贝叶斯Python文本分析.zip 降维算法.zip 聚类算法.zip 决策树.zip 科比数据集分析.zip 逻辑回归-信用卡欺诈检测.zip 神经网络.zip 数据预处理.zip 梯度下降求解逻辑回归.zip 推荐系统.zip 支持向量机.zip GMM聚类.zip Python时间序列.zip Xgboost调参.zip

注意力机制（英語：attention）是人工神经网络中一种模仿认知注意力的技术。这种机制可以增强神经网络输入数据中某些部分的权重，同时减弱其他部分的权重，以此将网络的关注点聚焦于数据中最重要的一小部分。数据中哪些部分比其他部分更重要取决于上下文。可以通过梯度下降法对注意力机制进行训练。 类似于注意力机制的架构最早于1990年代提出，当时提出的名称包括乘法模块（multiplicative module）、sigma pi单元、超网络（hypernetwork）等。注意力机制的灵活性来自于它的“软权重”特性，即这种权重是可以在运行时改变的，而非像通常的权重一样必须在运行时保持固定。注意力机制的用途包括神经图灵机中的记忆功能、可微分神经计算机中的推理任务[2]、Transformer模型中的语言处理、Perceiver（感知器）模型中的多模态数据处理（声音、图像、视频和文本）。人类的注意力机制（Attention Mechanism）是从直觉中得到，它是人类利用有限的注意力资源从大量信息中快速筛选出高价值信息的手段。深度学习中的注意力机制借鉴了人类的注意力思维方式，被广泛的应用在自然语言

一下子爆发 一下子爆发的一连串 一巴掌 一再 一再叮嘱 一拳 一般杀人罪 一阵狂风 一阵紧张 一掌 一团糟 一掴 一点点 一蹶不振 人事不省 人为 人为的 入迷 入迷的 入迷的人 刀刃 刁难 力尽 匕首 下地狱 下垂 下垂度 下流