一、生成式半监督学习方法 1.1 生成式高斯混合半监督学习 1.2 性质 一、生成式半监督学习方法 生成式generative methods 半监督学习方法：直接基于生成式模型的方法。 生成式半监督学习方法假设所有数据（无论是否有标记），都是由同一个潜在的模型生成的。 该假设使得能够通过潜在模型的参数将未标记样本与学习目标联系起来。...

投票分类 假设你已经训练了一些分类器，每一个都有 80% 的准确率。你可能有了一个逻辑斯蒂回归、或一个 SVM、或一个随机森林，或者一个 KNN，或许还有更多（详见图 7-1） 一个非常简单去创建一个更好的分类器的方法就是去整合每一个分类器的预测然后经过投票去预测分类。这种分类器就叫做硬投票分类器（详见图 7-2）。 令人惊奇的是这种投票分类...

场景描述 注意事项 配置说明 示例代码 场景描述 用户在consumer端使用故障注入，可以设置发往指定微服务的请求的时延和错误及其触发概率。 注意事项 延迟注入请求的延迟时间统一为毫秒级别 配置说明 故障注入配置在microservice.yaml文件中，相关配置项见下表。要开启服务消费者端的故障注入，还需要在处理链中配置消费端故...

4.1 概述 4.1 概述 传统AOP实现需要引入大量繁杂而多余的概念，例如：Aspect、Advice、Joinpoint、Poincut、Introduction、Weaving、Around等等，并且需要引入IOC容器并配合大量的XML或者annotation来进行组件装配。 传统AOP不但学习成本极高，开发效率极低，开发体验极差，而且还...

15.3 条件随机场（CRF） 15.3 条件随机场（CRF） 前面所讲到的隐马尔可夫模型和马尔可夫随机场都属于生成式模型，即对联合概率进行建模，条件随机场则是对条件分布进行建模 。CRF试图在给定观测值序列后，对状态序列的概率分布进行建模，即P(y | x)。直观上看：CRF与HMM的解码问题十分类似，都是在给定观测值序列后，研究状态序列可能的...

三、机器学习三要素 3.1 模型 3.2 策略 3.2.1 损失函数 3.2.2 风险函数 3.2.3 经验风险 3.2.4 极大似然估计 3.2.5 最大后验估计 3.3 算法 三、机器学习三要素 机器学习三要素：模型、策略、算法。 3.1 模型 模型定义了解空间。监督学习中，模型就是要学习的条件概率分布或者决策函数。 ...

非结构化文本的分类算法 自动判别文本中的感情色彩 非结构化文本的分类算法 在前几个章节中，我们学习了如何使用人们对物品的评价（五星、顶和踩）来进行推荐；还使用了他们的隐式评价——买过什么，点击过什么；我们利用特征来进行分类，如身高、体重、对法案的投票等。这些数据有一个共性——能用表格来展现： 因此这类数据我们称为“结构化数据”——数据集中的每...

15.4 学习与推断 15.4.1 变量消去 15.4.2 信念传播 15.4 学习与推断 对于生成式模型，通常我们都是先对变量的联合概率分布进行建模，接着再求出目标变量的边际分布 （marginal distribution），那如何从联合概率得到边际分布呢？这便是学习与推断。下面主要介绍两种精确推断的方法：变量消去 与信念传播 。 ...

Dropout 参数 返回 代码示例 Dropout class paddle.fluid.dygraph.Dropout (p=0.5, seed=None, dropout_implementation=’downgrade_in_infer’, is_test=False)[源代码] 丢弃或者保持输入的每个元素独立。Dropout是一...