- 博客(4)
- 收藏
- 关注
RSS订阅原创 卷积神经网络
卷积神经网络（Convolutional Neural Network，CNN）是一种深度学习模型，主要用于处理具有类似网格结构的数据，如图像和视频等。相比于传统的全连接神经网络，CNN 在处理视觉数据方面具有独特的优势。以下是卷积神经网络的详细介绍：卷积操作：卷积神经网络利用卷积操作来提取输入数据的特征。卷积操作可以通过滑动的方式将一个小的窗口（称为卷积核或滤波器）应用于输入数据的每个位置，并计算窗口内数据的加权和。通过不同的卷积核，网络可以学习到不同的特征，如边缘、纹理等。
2023-11-22 10:40:21
48
1
原创 多层感知机
多层感知机（Multilayer Perceptron，简称MLP）是一种常见的人工神经网络模型，它由多个神经元层组成，每个神经元层与下一层全连接。MLP被广泛应用于分类和回归任务。下面我们来详细了解多层感知机的关键概念和原理：多层感知机在实践中被广泛应用于各种领域，如图像分类、语音识别、自然语言处理等。通过增加隐藏层的数量和神经元的数量，MLP可以拟合复杂的非线性关系，并具有较强的表达能力。然而，MLP也容易过拟合，需要适当的正则化和调参来提高泛化性能。
2023-11-22 10:22:02
163
1
原创 线性回归（深度学习）
当我们研究机器学习中的线性回归时，我们可以详细了解其背景、原理、模型评估和一些常见变体。线性回归是一种监督学习算法，用于建立输入变量（自变量）和输出变量（因变量）之间的线性关系模型。它假设自变量和因变量之间存在一个线性关系，并试图找到最佳拟合这个关系的直线或超平面。在线性回归中，我们希望通过已知的训练数据集来学习到一个线性函数，使其能够预测新的输入值对应的输出值。线性回归的目标是找到一组权重（或称为回归系数），使得通过这些权重与输入变量的线性组合可以最好地逼近输出变量。
2023-11-22 09:52:12
142
1
原创 机器学习的四种回归算法（简单介绍）
在使用决策树回归时，需要根据具体问题的特点选择合适的评价指标和停止条件，并进行适当的剪枝操作来提升模型的泛化能力。在实际应用中，可以通过交叉验证等方法来选择最佳的参数组合，并根据问题的需求选择适当的特征选择方法和决策树算法。随机森林回归的基本思想是，通过随机选择样本和特征，构建多个决策树，并将它们的预测结果进行平均或加权平均，从而得到最终的回归预测结果。预测：对于新的输入样本，通过将该样本沿着每棵决策树从根节点到叶子节点的路径进行遍历，并根据叶子节点的预测值进行加权平均，得到最终的回归预测结果。
2023-11-01 18:56:20
1901
2
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