- 博客(3)
- 收藏
- 关注
RSS订阅转载 Bagging/RandomForest Boosting/GBDT
Bagging/RandomForest和Boosting/GBDT的区别1. Bagging和Boosting的相同点都是通过将多个弱学习器进行结合，获得比单一学习器显著优越的泛化性能的强学习器组合。关键假设：基学习器的误差相互独立。而现实任务中，个体学习器是为了解决同一问题存在的，显然不相互独立。根据学习器的生成方式，分为两类：个体学习器间存在强依赖关系，必须串行生成的序列化方法，...
2019-04-27 11:57:20
253
转载 机器学习、深度学习和计算机视觉题目
题目1.【排序题】梯度下降算法的正确步骤是什么？a.计算预测值和真实值之间的误差b.重复迭代，直至得到网络权重的最佳值c.把输入传入网络，得到输出值d.用随机值初始化权重和偏差e.对每一个产生误差的神经元，调整相应的（权重）值以减小误差答案：dcaeb2.【多选题】小明在训练深度学习模型时，发现训练集误差不断减少，测试集误差不断增大，以下解决方法正确的是？A. 数据增广B. 增...
2019-04-06 12:11:59
8130
翻译 梯度下降
为什么要使用梯度更新规则深度神经网络和反向传播。目前深度学习方法中，深度神经网络的发展造就了我们可以构建更深层的网络完成更复杂的任务，深层网络比如深度卷积网络，LSTM等等，而且最终结果表明，在处理复杂任务上，深度网络比浅层的网络具有更好的效果。但是，目前优化神经网络的方法都是基于反向传播的思想，即根据损失函数计算的误差通过梯度反向传播的方式，指导深度网络权值的更新优化。这样做是有一定原因的，首...
2019-04-02 18:49:13
127
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