近期，EMNLP 2018收錄的一篇論文“XNLI: Evaluating Cross-lingual Sentence Representations”得到了Yann LeCun的關注，他轉發並推薦了該論文

Hierarchical Attention Based Semi-supervised Network Representation Learning 1. 任務 給定：節點資訊網路 目標：為每個

路徑分析是多元迴歸的擴充套件。 它幫助分析更復雜的模型。 想象一下，你要建立一個模型從汽車不同屬性來預測汽車行駛里程。 你會怎麼做？ 最簡單的方法是採用一個對行駛里程影響最大的引數或屬性（選擇哪一個屬

R的極客理想系列文章，涵蓋了R的思想，使用，工具，創新等的一系列要點，以我個人的學習和體驗去詮釋R的強大。 R語言作為統計學一門語言，一直在小眾領域閃耀著光芒。直到大資料的爆發，R語言變成了一門炙手可熱

在實驗室搬磚之後，繼續我們的kaggle資料分析之旅，這次資料也是答主在kaggle上選擇的比較火的一份關於人力資源的資料集，關注點在於員工離職的分析和預測，依然還是從資料讀取，資料預處理，EDA和機器學習建模

最近看到有朋友說起R程式碼書寫規範的問題，突然讓我意識到，從學R語言開始，似乎沒怎麼在書上提起過R程式碼風格。之前在學習Perl的時候，Perl語言入門這本書從最開始就提到了Perl程式碼的書寫風格，但其實Pe

2017 SIGIR 簡單介紹 IRGAN將GAN用在資訊檢索（Information Retrieval）領域，通過GAN的思想將生成檢索模型和判別檢索模型統一起來，對於生成器採用了基於策略梯度的強化

本軟體是一個手寫體數字識別軟體，採用BP神經網路，基於colt數學庫，有完整原始碼，可以儲存訓練結果，基於開源例程neuralnetwork-sample，原作可以在GitHub中找到。主要改進了訓練結果儲存，並新增

前言 在 論文筆記：CNN經典結構1 中主要講了2012-2015年的一些經典CNN結構，從AlexNet，ZFNet，OverFeat到VGG，GoogleNetv1-v4，ResNetv1-v2。

問題背景：我們構建資料模型的時候，需要把資料集劃分為訓練集和測試集，訓練集用來訓練模型，測試集用來測試模型的泛化能力。本文總結R語言如何把資料集劃分為訓練集和測試集？ 解決方案 結合實際工作，羅列4中解

分類模型的效能（Performance） 分類問題是當前機器學習、深度學習領域最為常見的問題，各式各樣的模型種類繁多。 如何評價這些模型的優劣呢？自然要做測試： 首先，

這篇筆記連標題都懶得想了（照搬教程標題。。。），繼續接上篇 R語言-Cox比例風險模型 和上上篇 Survival analysis（生存分析） 先把我學習的教程放在最上面 Cox Model Ass

注：安裝pandas自行完成：pip install pandas！ 一、Create（增加、建立DataFrame） 在pandas裡，DataFrame是最經常用的資料結構，這裡總結一下：

列聯表是觀測資料按兩個或更多屬性（定性變數）分類時所列出的頻數分佈表，它是由兩個以上的變數進行交叉分類的頻數分佈表。互動分類的目的是將兩變數分組，然後比較各組的分佈狀況，以尋找變數間的關係。 按兩個變數交叉

隨著短視訊的興起，如何使用演算法理解視訊內容，並對其進行描述與檢索就顯得非常重要。最近快手多媒體內容理解部的語音組提出了一種能使用下文資訊的門控迴圈單元，該模型能為快手大量的短視訊提供語音識別、語音特效