![](https://img-blog.csdnimg.cn/20201014180756927.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
ICUD
这个作者很懒,什么都没留下…
展开
-
深度学习常用loss函数(原理、特点)
参照文章:https://zhuanlan.zhihu.com/p/77686118原创 2021-04-21 17:31:48 · 363 阅读 · 0 评论 -
神经网络训练时loss(损失函数)不下降的原因和解决方案
详情参照:https://blog.ailemon.me/2019/02/26/solution-to-loss-doesnt-drop-in-nn-train/原创 2021-04-21 17:23:38 · 4151 阅读 · 0 评论 -
构建神经网络前的准备工作
版权声明:本文为博主原创文章,更多精彩文章请关注公众号【Jeemy110】 https://blog.csdn.net/l7H9JA4/article/details/84332428 前言在阅读了一篇MNIST的教程(或10篇)并了解了一些Tensorflow / Keras最佳实践后,你可...转载 2021-04-21 17:11:29 · 318 阅读 · 0 评论 -
机器学习--常见模型评估方法
1) AUC、ROC曲线: 看一看下面这个例子:假定瓜农拉来一车西瓜,我们用训练好的模型对这些西瓜进行判别,显然我们可以使用错误率来衡量有多少比例的瓜被判别错误。但如果我们关心的是“挑出的西瓜中有多少比例是好瓜”,或者“所有好瓜中有多少比例被挑出来了”,那么错误率显然就不够用了,这时我们需要引入新的评估指标,比如“查准率”和查全率更适合此类需求的性能度量。...转载 2020-04-16 14:29:05 · 531 阅读 · 0 评论 -
类不平衡问题与SMOTE过采样算法
遇到了各个类别的样本量分布不均的问题——某些类别的样本数量极多,而有些类别的样本数量极少,也就是所谓的类不平衡(class-imbalance)问题。 本篇简述了以下内容: 什么是类不平衡问题 为什么类不平衡是不好的&n...转载 2020-04-16 09:53:21 · 347 阅读 · 0 评论 -
模型评估和参数调优
本篇文章详细阐述机器学习模型评估和参数调优。将主要围绕两个问题来阐述:“知其所以然”:当你选择的一个机器学习模型运行时,你要知道它是如何工作的;“青出于蓝”:更进一步,你得知道如何让此机器学习模型工作的更优。模型评估的方法 一般情...转载 2020-03-31 13:21:25 · 856 阅读 · 0 评论 -
推荐系统基本认识
太长不读版:由推荐系统带来的推荐服务基本上已经渗透到我们生活的方方面面,本文作为浅谈推荐系统的基础篇,主要从下面几个维度介绍推荐系统的相关知识:什么是推荐系统推荐系统在商业中的地位推荐系统、搜索引擎及广告的关系推荐系统的关键元素推荐系统相关的算法篇幅较长,可能大部分道友比较关心算法部分,所以重点罗列了推荐系统算法思维演进史,每类算法理论点到即止,没有提供详细细节,但给出了相关阅读资...转载 2020-03-30 12:02:50 · 1037 阅读 · 0 评论 -
ROC/AUC的透彻讲解
机器学习:ROC/AUC作为机器学习的评估指标非常重要,也是面试中经常出现的问题(80%都会问到)。其实,理解它并不是非常难,但是好多朋友都遇到了一个相同的问题,那就是:每次看书的时候都很明白,但回过头就忘了,经常容易将概念弄混。还有的朋友面试之前背下来了,但是一紧张大脑一片空白全忘了,导致回答...转载 2019-07-09 10:05:04 · 781 阅读 · 0 评论