在上一節介紹k-means是以資料數據離中心的距離,來將資料進行聚類,若是資料分布於邊界上,很容易會出現資料分類不正確,今天要來講解高斯混合模型(Gaussia...
前言 今天是鐵人的第22天,主要要來介紹股票和投資股票前的一些數學常識(從網路文章中擷取),今天程式的部分比較少,主要是講股票的觀念。接下來的幾個章節才會開始進...
在一頭栽入特徵工程之前,了解資料的特性是第一步。透過了解資料的特性才能幫助我們在進行特徵工程時,充分發揮不同的資料的原生特點,因為資料類型決定了用於分析和提取結...
要介紹 Attention 機制,就不能錯過這篇經典:Google 在 NIPS2017 上發表的論文《Attention Is All You Need》。本...
Apache Flink以一句話描述的話會是? Apache Flink在2014年自apache孵化器畢業, 是一款由Java和Scala開發的計算框架, 可...
上次我們講完在空間上,我們可以知道資料的區域性,並且利用 convolution 來萃取特徵。 這次我們來講時間,其實不一定要是"時間"序列...