- 博客(3)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 笔试
一、交叉熵损失函数首先sigmoid函数 y^=g(z)=11+e−zy^=g(z)=11+e−z \hat y = g(z) = \frac{1}{1+e^{-z}} 给出的是分类为1的概率，分类为0的概率为1−y^1−y^1-\hat y，即： P(y=1|x)=y^P(y=0|x)=1−y^P(y=1|x)=y^P(y=0|x)=1−y^ P(y=1|x) = \hat y \\ ...
2018-07-22 17:51:54
291
原创 贝叶斯（Bayes）分类器
1、基本概念条件概率： A条件下B发生的概率为 P(B|A)=P(A,B)P(A)P(B|A)=P(A,B)P(A) P(B|A) = \frac{P(A,B)}{P(A)} 并且 P(A|B)=P(A,B)P(B)=P(B|A)∗p(A)P(B)P(A|B)=P(A,B)P(B)=P(B|A)∗p(A)P(B) P(A|B) = \frac{P(A,B)}{P(B)} = \frac{...
2018-07-21 11:53:27
579
原创 支持向量机Support Vector Machine
在样本空间中，划分超平面的方程描述如下： wTx+b=0wTx+b=0 w^Tx + b = 0 其中w为法向量，决定了超平面的方向，b为位移项，决定了超平面与原点的距离。很明显，不同的超平面方向和位移项对分类鲁棒性不同，一般而言其间距(margin)越宽泛化能力也更好。 对于正确分类的样本，总有： {wTxi+b>0,wTxi+b<0,yi=+1;yi=−1{w
2018-07-17 17:07:43
501
吴恩达 yolo.h5
2018-03-23
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人