- 博客(2)
- 收藏
- 关注
RSS订阅原创 神经网络
数据的预处理 方法1：均值减法 对数据中每个独立特征减去平均值，代码X -= np.mean(X, axis=0)，几何含义是将数据云的中心平移到原点 方法2：归一化 将数据中的所有维度都归一化，使其数值范围都近似相等。方法1，先对数据做零中心化，再每个维度都除以其标准差 一般流程：原始数据→每个维度都减去平均值得到中心化数据→每个维度都除以标准差来调整其数值范围 注意，这里减去和除以的平均值和方差都是训练集中的，不管是再训练、验证还是测试中 权重的初始化 小随机数权重初始化：权重一般初始化
2020-07-14 21:06:24
169
原创 复习
评分函数 一个通过输入数据和权重来计算各标签得分值的函数，例如典型的线性分类器（简单的一元函数） 损失函数（Softmax&SVM） 一个用于对评分函数输出值进行处理，从而得到更好的结果的处理函数 Softmax与SVM相比的输出更加直观，他输出的不只是评分，而是概率 如果参数集的预测与实际情况一致，则计算出来的损失值越低 最优化 策略：随机选取一个权重W，通过迭代来改变W，使得损失值不断减小 梯度：最优化的关键点，描述的是某点处损失函数下降的方向 计算后，所有的梯度都存储再gra
2020-07-14 19:35:37
215
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