- 博客(3)
- 收藏
- 关注
RSS订阅原创 线性回归与逻辑回归复习
通过对输入特征进行加权求和，并通过逻辑函数进行转换，逻辑回归可以估计出输入特征对输出变量的影响，并输出一个介于 0 和 1 之间的概率值。逻辑回归：用于处理分类问题，通过对输入特征进行加权求和并通过逻辑函数转换得到一个介于0和1之间的概率值，常用于预测二分类或多分类问题。逻辑回归：使用逻辑函数（Sigmoid 函数）将输入特征与概率相关联，通过最大化似然函数来拟合数据，以估计类别概率。线性回归：用于建立和分析变量之间的线性关系，通过对连续型因变量的预测来进行数值预测。线性回归的目标是找到。
2024-03-24 20:04:14
784
原创 深度学习（笔记2）
Caffe（Convolutional Architecture for Fast Feature Embedding）是一种常用的深度学习框架，主要用于视频，图像处理等方面。它以速度快、灵活性高和易于扩展著称，特别适用于计算机视觉任务，但是它不够灵活，且对于递归网络和语言建模的支持很差，扩展性不好。Caffe是一种对于新手很友好的深度学习框架，它的相应优化都是以文本的形式而非代码形式给出。Caffe中的网络都是有向无环图的集合，可以直接定义。
2024-03-10 20:31:17
1427
1
原创 深度学习（笔记）
自然语言就是人类日常交流的语言，而自然语言的处理的目的是用计算机理解和处理人类的语言。强化学习讨论的是一个智能体基于环境的状态做出动作后如何去获得最大收益的问题。
2024-03-03 10:31:19
1653
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人