李宏毅 DeepLearning-2017-Semi-supervised Learning
對我們來說，我們從來不缺都是data，但是缺的是有label的data,所以需要semi-supervised Learning 這裏unlabel data是隻告訴我們function Model的輸入，但是不告訴輸出，而且unlabeled data遠大於labels data unlabeled data伴隨着一些分佈的假設，semi-supervised Learning 是否有用決定於你
相關文章
- 1. 李宏毅-Machine Learning（1）
- 2. 李宏毅 2020 Machine Learning
- 3. 李宏毅__ML_Notes_4.21
- 4. 【李宏毅】CNN
- 5. 李宏毅__ML_Notes_5.11
- 6. 李宏毅-DRL-S1
- 7. 李宏毅：Batch Normalization
- 8. 【李宏毅】RNN
- 9. 李宏毅——GAN
- 10. 李宏毅——transformer
- 更多相關文章...
- • R 數據框 - R 語言教程
- • 錯誤處理 - RUST 教程
- • Java Agent入門實戰（一）-Instrumentation介紹與使用
- • Java Agent入門實戰（三）-JVM Attach原理與使用
相關標籤/搜索
每日一句
-
每一个你不满意的现在，都有一个你没有努力的曾经。
歡迎關注本站公眾號,獲取更多信息
相關文章
- 1. 李宏毅-Machine Learning（1）
- 2. 李宏毅 2020 Machine Learning
- 3. 李宏毅__ML_Notes_4.21
- 4. 【李宏毅】CNN
- 5. 李宏毅__ML_Notes_5.11
- 6. 李宏毅-DRL-S1
- 7. 李宏毅：Batch Normalization
- 8. 【李宏毅】RNN
- 9. 李宏毅——GAN
- 10. 李宏毅——transformer