- 博客(2)
- 收藏
- 关注
RSS订阅原创 深度学习的训练流程
损失函数和优化算法选择：定义适当的损失函数来衡量模型的预测结果与真实标签之间的差异，常见的损失函数包括交叉熵损失函数、均方误差损失函数等。需要注意的是，深度学习的训练流程是一个迭代的过程，需要不断地调整和优化模型，以提高模型的性能和泛化能力。模型评估：使用验证集或测试集对训练好的模型进行评估，计算模型在新数据上的性能指标，如准确率、召回率、F1值等，以评估模型的泛化能力。超参数调优：调整模型的超参数，如学习率、批量大小、网络层数等，通过实验和验证集的反馈来选择最佳的超参数组合，以提高模型的性能。
2023-11-21 10:23:43
947
原创 准确率和召回率
例如，在癌症诊断中，如果一个模型的准确率非常高，但是它没有识别出所有的癌症患者，那么这个模型的召回率就会很低。相反，如果一个模型的召回率非常高，但是它错误地诊断了许多非癌症患者，那么这个模型的准确率就会很低。，其中TP表示真正的正类，FN表示模型未能识别出的正类。因此，召回率的值也在0到1之间，值越大表示模型能够找出更多的正类。则是用来衡量模型能够找出所有实际存在的正类的比例，即所有真实的正类被模型找出的比例。是用来衡量预测结果中真正为正类的比例，即预测为正类的样本中有多少是真正的正类。
2023-11-21 10:08:37
417
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