🤖chentingpc@chentingpc

“不妨试着这么推理下：P(x|rest) \propto P(x, rest) \propto P(chidren|x) P(x|parent)，如果你知道后面两个怎么推，就可以从P(x|rest)抽样了”

“主要是我不怎么关注竞赛，要不你维护一个，我帮你置顶？ 【 在 charnugagoo 的大作中提到: 】 : @chentingpc : 版主大人，能不能搞一个置顶帖，实时更新一下最近有得比赛。也可以回帖找队友？”

“这个得根据具体的问题和具体的SGD算法（SGD有很多具体的算法）来考虑。我觉得一般GD会更好些，但是很慢，如果用GD，可能有限时间里面出来的结果就比SGD差。对于某些特定的问题，有人做出很牛的SGD算法，很可能又快又好，可以搜一些文献看看。 【 在 cain 的大作中提到: 】 : 请问这两种梯度下降法估计出来的参数哪…”

“一个样本更新一次 -- 一种SGD，还是对整个样本集进行累加然后对theta更新一次 -- GD. GD求出来的才是J函数在完整数据集上的真实导数，SGD只是一种估计，并不是准确的导数。但是很多情况下SGD也能够很好的模拟GD，收敛到类似的点，而SGD比GD会快不少。”

“假设要做手写数字识别，x是图像，y是label（数字）。 SL：给定{(x,y)}，也就是给定数字图像都是有label的。 UL：只给定{(x)}，也就是所有数字图像都是没有label的。由于没有给定任何{y}，一般其直接学习目标就不是做prediction，可能是个聚类，或者学习潜在表示。 SSL：给定{(x,y)}…”

“see documents. By setting some parameters can easily doing so. 【 在 cookier 的大作中提到: 】 : how to use scrapy to distrubted crawl”

“https://www.kaggle.com/wiki/Tutorials”

“看看kaggle。”