- 博客(6)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 机器学习之线性模型
线性模型是非常常见、简单的模型，很多更为强大的非线性模型是在线性模型的基础上通过引入层级结构或者高维映射得到的。而且线性模型很大的一个优点是可解释性，比如对于模型：y = 0.8*x1 + 0.2*x2 + 0.05*x3 + 1我们很容易看出来特征x1在模型分类判别时最为重要。这一思想在cam深度网络可视化中也有体现，感兴趣的童鞋可以自行搜索，具体不细说了。本文参照西瓜书中的内容，...
2019-04-13 13:48:14
389
原创 matlab 匹配cell中的字符
最近在整理实验数据的时候碰到了一个问题，就是如何匹配excel中的记录和文件夹中的文件，用matlab读取excel数据直接使用xlsread指令，获取文件夹下的文件名可以使用dir语句，那么如何将两者匹配起来呢？ismember指令帮助我们解决这个问题.[x, idx] = xlsread(filename,sheet, 'range')读取的x为表中数据，那么idx就是对应数据...
2019-04-11 23:56:13
2428
原创 给sublime添加代码片段（代码块）
我们使用sublime编辑器，很多时候需要多次复用同样一段代码，但是又不想重复输入，那么可以使用sublime的代码块（snippet）功能。一、操作：Tools --> Developers --> New snippet如下图：那么就可以进入sublime预设的snippet里面，这时候可以重写这个snippet代码来保存我们自己的代码段。未重写的代码段如下：...
2019-04-11 10:26:19
1392
原创 tf.group()
tf.group()用于创建一个操作对象，将多个传入的操作组合起来（适合不需要考虑顺序的操作），API手册为：tf.group( *inputs, **kwargs)组合多个操作节点为一个op:op = tf.group(tensor1, tensor2, ...) 一般在网络训练时候使用：generator_tr...
2019-02-26 21:57:52
1007
原创 tensorflow变量正则化
正则化（regularization）是machine learning种非常常见的减少过拟合、降低泛化误差的方法。对deep learning模型，过多的参数增加了过拟合的风险，常见的降低过拟合风险的方法包括数据扩增、dropout以及添加正则约束，本文主要对tensorflow中的变量正则化进行介绍。正则化介绍： L1正则 对模型添加L1范数约束，即：对于...
2019-02-23 16:48:15
1087
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人