Machine Learning
文章平均质量分 60
朝圣之路
日拱一卒
展开
-
latex、pytorch小问题
小问题记录原创 2023-03-11 16:09:55 · 331 阅读 · 0 评论 -
机器学习——基本术语
第一章 基本术语定义:从数据中自动的归纳逻辑或规则,并根据这个归纳的结果与新数据来进行预测的算法。要讨论算法的相对优劣,必须要针对具体的学习问题。目标:使得学得的模型能很好的适用于“新样本”,而不仅仅在训练样本上工作得很好,即便是对聚类这样的无监督学习,也希望学得的聚划分能适用于没在训练集中出现的样本。样本(示例、特征向量): 数据集中的每个记录称之为样本或者示例。 属性空间(样原创 2017-03-29 16:34:17 · 2045 阅读 · 0 评论 -
机器学习——模型评估和选择
第二章 模型评估和选择 基本概念:1、过拟合(过配):将训练样本自身的一些特点当作了所有潜在样本都具有的一般特性,导致泛化性能下载。2、欠拟合(欠配):无法从训练样本中学习到足够量的所有潜在样本都具有的一般特性。3、误差:学习器的实际输出与样本的真实输出之间的差异称为误差。训练误差:学习器在训练集上的误差称为训练误差或经验误差。泛化误差:在新样本上的误差称为泛化误差。原创 2017-03-29 16:48:05 · 674 阅读 · 0 评论 -
深度学习新星:GAN的基本原理、应用和走向
转载自:http://www.leiphone.com/news/201701/Kq6FvnjgbKK8Lh8N.htmlGAN是“生成对抗网络”(Generative Adversarial Networks)的简称,由2014年还在蒙特利尔读博士的Ian Goodfellow引入深度学习领域。2016年,GAN热潮席卷AI领域顶级会议,从ICLR到NIPS,大量高质量论文被发表和探转载 2017-06-19 00:57:47 · 1521 阅读 · 0 评论 -
神经网络浅讲:从神经元到深度学习
转自:http://www.cnblogs.com/subconscious/p/5058741.html#first神经网络浅讲:从神经元到深度学习 神经网络是一门重要的机器学习技术。它是目前最为火热的研究方向--深度学习的基础。学习神经网络不仅可以让你掌握一门强大的机器学习方法,同时也可以更好地帮助你理解深度学习技术。 本文以一种简单的,循序的方式讲解神经网转载 2017-06-19 11:10:20 · 483 阅读 · 0 评论