「R」相关文章(第12页)
汇总「R」相关的原创 AI 技术文章与大模型实践笔记,持续更新。
![[翻译]应用到文本领域的卷积方法](https://www.datalearner.com/resources/blog_images/datalearner_blog_default_img.jpg)
[翻译]应用到文本领域的卷积方法
本文介绍了文本领域的相关任务和技术,探讨了循环神经网络在文本领域的优势,并进一步研究了应用在文本领域的卷积网络方法,原文地址:https://medium.com/@TalPerry/convolutional-methods-for-text-d5260fd5675f

生成对抗网络简介(包含TensorFlow代码示例)【翻译】
这篇博客是AYLIEN上的一篇关于生成对抗网络的简单介绍,包含非常简洁的代码示例。是入门非常好的材料。

R语言分析面板数据:简单案例
面板数据,即Panel Data,也叫“平行数据”,是指在时间序列上取多个截面,本文介绍了一个R语言处理面板数据的案例

深度学习方法:受限玻尔兹曼机RBM【转载】
受限玻尔兹曼机(Restricted Boltzmann Machine,RBM)是G.Hinton教授的一宝。Hinton教授是深度学习的开山鼻祖,也正是他在2006年的关于深度信念网络DBN的工作,以及逐层预训练的训练方法,开启了深度学习的序章。其中,DBN中在层间的预训练就采用了RBM算法模型。RBM是一种无向图模型,也是一种神经网络模型。

Dirichlet Process and Stick-Breaking(DP的Stick-breaking 构造)
Dirichlet Process and Stick-Breaking(DP的Stick-breaking 构造)

TFboys:使用Tensorflow搭建深层网络分类器
使用Tensorflow的高级API - tf.contrib.learn 搭建一个DNN分类器

分类和Logistic回归
监督学习中的分类问题和Logistic回归常常被用于推荐问题中关于BPR的研究,但是为什么一定要用Logistic函数来建模和优化呢?本篇博客将带你揭晓奥秘~

Dirichlet Tree Distribution(狄利克雷树分布)
狄利克雷分布作为多项式分布的先验大家应该比较熟悉了。这里介绍另外一种Dirichlet树结构的分布,也可以作为多项式分布的先验,但却更加灵活

狄利克雷过程混合模型(Dirichlet Process Mixture Model, DPMM)
狄利克雷过程混合模型(Dirichlet Process Mixture Model, DPMM)是一种非参数贝叶斯模型,它可以理解为一种聚类方法,但是不需要指定类别数量,它可以从数据中推断簇的数量。这篇博客将描述该模型及其求解过程。

R语言如何将实验结果导出
使用R语言进行数据分析时,我们经常会遇到实验结果输出的问题,例如使用summary函数时,变量太多,控制台输出的结果不全,那么怎么将结果导出呢?

BPR:面向隐式反馈数据的贝叶斯个性化排序
本文是Steffen Rendle的文章BPR: Bayesian Personalized Ranking from Implicit Feedback的译文




