经典的概率无监督学习通过最大化对数似然 从数据分布 中拟合一组简单的概率分布 。深度无监督学习的最新进展能够显著提高能够拟合数据的分布 的复杂度。这些进展给很多领域带来了一些引人注目的应用，例...

深度神经网络最近在机器学习方面取得了显著的成功，这就对其成功背后的理论原理提出了深刻的问题。例如，这样的深层网络可以计算什么？我们如何训练他们？信息是如何通过它们传播的？为什么他们泛化能力很好？我们怎么能教他们想...

量子力学的内在概率性质使该领域的物理系统成为有效的无限大数据源，是机器学习应用的一个极具吸引力的领域。一个这种概率性质的范例是量子物理学中的测量过程。绕核运动的电子的位置 只能根据测量结果大致推断。无...

学习了Pytorch基础之后，在利用Pytorch搭建各种神经网络模型解决问题之前，我们需要了解深度学习的一些基础知识。本文主要介绍监督学习和无监督学习。...

简介 机器学习 机器学习分为： 有监督学习（Supervised Learning）无监督学习（Unsupervised Learning）强化学习（Reinforcement Learning, RL）有监督学习 线性回归、逻辑回归、支持向量机、随机森林 无监督学习 自编码器、生成对...

再次开启机器学习之路，这次选择鸢尾花案例，这个案例数据挺好玩的，可以验证无监督学习和有监督学习，有监督学习可以采用各种分类算法、决策树算法，无监督学习可以采用各种聚类，并基于目标结果进行验证准确性。...

本文为《Artificial Intelligence in Drug Design》一书第19章的内容，作者是美国Evotec Biologics公司分子设计/数据科学部门的Jeremy M. Shaver等人。

假设用 来评估计算机程序在某任务类 上的性能，若一个程序通过利用经验 在 中的任务上获得了性能改善，我们就说关于 和 ，该程序对 进行了学习。...

P(A∣B)=P(A)P(B∣A)P(B)P(A|B) = frac{P(A)P(B|A)}{P(B)} P(A∣B)=P(B)P(A)P(B∣A)​

比如下面的数据中，横纵轴都是xx，没有标签（输出yy）。在非监督学习中，我们需要将一系列无标签的训练数据，输入到一个算法中，快速这个数据的中找到其内在数据结构。...