w*r
2 楼
最近看了个房子，卖主去年建了个新车库，政府还没有验收。卖主急着closing,说压点
钱在律师那里，如果有什么费用，就从那里扣。不知道这种费用要多少？有点担心到时
候政府说车库不合格，要重建什么的就亏大了。
钱在律师那里，如果有什么费用，就从那里扣。不知道这种费用要多少？有点担心到时
候政府说车库不合格，要重建什么的就亏大了。
O*e
3 楼
适合北加州生长的，叶子比较有质感的，生长散布比较快的。
用于覆盖门前灌木之间裸露的泥地。。。
多谢。。
用于覆盖门前灌木之间裸露的泥地。。。
多谢。。
b*u
4 楼
比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
我如何人为的给定数据confidence权重？
我如何人为的给定数据confidence权重？
z*o
5 楼
mumai is sleeping
L*A
6 楼
Ice Plants
p*l
7 楼
权重难道不是训练出来的
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
g*o
8 楼
heart leaf ice plant, also called baby sunrose, 穿心莲，好看还可以吃
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
g*t
9 楼
可以改数据。每个维度的实测数据为中心，以不同的标准差打一些点，制造出来一些人
造数据。然后把原始数据和人造数据一起训练。
如果是时间序列。
更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
度的温度传感器如何有效平均
造数据。然后把原始数据和人造数据一起训练。
如果是时间序列。
更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
度的温度传感器如何有效平均
x*n
10 楼
huchera 叶子很漂亮，喜阴也长绿
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
b*u
11 楼
这个方法原理上非常好，既可以“增加”数据量，同时又提高训练的鲁棒性，防止过拟
合。
【在 g****t 的大作中提到】
: 可以改数据。每个维度的实测数据为中心，以不同的标准差打一些点，制造出来一些人
: 造数据。然后把原始数据和人造数据一起训练。
: 如果是时间序列。
: 更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
: 你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
: 度的温度传感器如何有效平均
合。
【在 g****t 的大作中提到】
: 可以改数据。每个维度的实测数据为中心，以不同的标准差打一些点，制造出来一些人
: 造数据。然后把原始数据和人造数据一起训练。
: 如果是时间序列。
: 更直接的办法是每个维度的数据进行滤波。噪声大和噪声小的数据给不同的截断频率。
: 你可能需要查一下频率域和时域概率过程语言转换的公式。例如一个屋子5个不同准确
: 度的温度传感器如何有效平均
e*f
12 楼
Liriope spicata
c*v
13 楼
杩欎釜鍔炴硶瀵归┈宸ユ湁鍒┿鑰屼笖涓埇涓嶄細鍑轰簨銆傛垜璁や负鏄閫夈
銆鍦bobohu(钖勷煃夝煃 鐨勫ぇ浣滀腑鎻愬埌: 銆br />
: 杩欎釜鏂规硶鍘熺悊
涓婇潪甯稿ソ锛屾棦鍙互鈥滃鍔犫鏁版嵁閲忥紝鍚屾椂鍙堟彁楂樿缁冪殑椴佹
鎬э紝闃叉杩囨嫙
: 鍚堛
銆鍦bobohu(钖勷煃夝煃 鐨勫ぇ浣滀腑鎻愬埌: 銆br />
: 杩欎釜鏂规硶鍘熺悊
涓婇潪甯稿ソ锛屾棦鍙互鈥滃鍔犫鏁版嵁閲忥紝鍚屾椂鍙堟彁楂樿缁冪殑椴佹
鎬э紝闃叉杩囨嫙
: 鍚堛
O*e
14 楼
thanks a lot, everybody.
L*8
15 楼
假设这10个维度都各自归一化到0-1区间
那么可以加入penalty
loss_add = a1*|dL/dx1|+a2*|dL/dx2|+....+a10*|dL/dx10|
把这个加到现有的loss L 上去
a1 ...a10 的相对大小就是可靠度
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
那么可以加入penalty
loss_add = a1*|dL/dx1|+a2*|dL/dx2|+....+a10*|dL/dx10|
把这个加到现有的loss L 上去
a1 ...a10 的相对大小就是可靠度
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
T*4
16 楼
这个头像上的baby太可爱了
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
【在 O*******e 的大作中提到】
: 适合北加州生长的，叶子比较有质感的，生长散布比较快的。
: 用于覆盖门前灌木之间裸露的泥地。。。
: 多谢。。
E*e
17 楼
你搜搜word embedding 在NN的列子。至少我可以用GLOVE
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
【在 b****u 的大作中提到】
: 比如我的数据有10个dimension。但某些dimension数据很可靠，有些很差。
: 我如何人为的给定数据confidence权重？
相关阅读
对于编程，有没有替代google的search engine ?谁能推荐个满足以下需求的APM性能监测或DevOps运维工具大数据时代 (转载)俺公司J2EE 的business logic 都在数据库里面搞做web还是java最方便前途问题，做技术还是做管理？回国还是在美国？Java的例外处理问题什么情况下不用写throwsSoftware release processGoogle got it wrong. The open-office trend is destroying the workplace.陆奇担任百度集团总裁兼首席运营官 (转载)开始看PEG.js 星宿派出身基础不行 看得脑仁疼看了 cnblogs, 问一下有没有英文的类似网站？可怕的大数据应用的未来也问问Python2和Python3.x的区别：并行计算有什么新进展招聘: Full Time Software Developer数据科学碗2017R tools for Visual Studio比RStudio强了几条街How could this possible一个关于XML文件parser的问题我亲戚的同学说阿里巴巴四年100万