机器学习
文章平均质量分 83
iiiLISA
主动学习。
展开
-
归一化 (Normalization)、标准化 (Standardization)和中心化/零均值化 (Zero-centered)
这里写目录标题1 概念1.1 归一化1.2 标准化1.3 中心化1.4 区别2 为什么要归一化/标准化?3 常见的方法3.1 Min-Max Normalization(归一化方法)3.2 Z-score standardization(标准化方法)4 两种方法的使用场景1 概念1.1 归一化1)把数据变成(0,1)或者(1,1)之间的小数。主要是为了数据处理方便提出来的,把数据映射到0~1范围之内处理,更加便捷快速。2)把有量纲表达式变成无量纲表达式,便于不同单位或量级的指标能够进行比较和加权。归一原创 2021-07-01 14:55:51 · 1938 阅读 · 0 评论 -
损失函数(loss function)
这里写目录标题1、什么是损失函数2、为什么要使用损失函数3、损失函数分类1、分类一2、分类二3、分类三3.1基于距离度量的损失函数3.1.1 均方误差损失函数(MSE)3.1.2 L2损失函数3.1.3 L1损失函数3.1.4 Smooth L1损失函数3.1.5 huber损失函数3.2 基于概率分布度量的损失函数3.2.1 KL散度函数(相对熵)3.2.2 交叉熵损失3.2.3 softmax损失函数3.2.4 Focal loss4. 如何选择损失函数?1、什么是损失函数损失函数用来评价模型的预测原创 2021-06-30 19:42:45 · 16013 阅读 · 3 评论 -
《Tensorflow+Keras深度学习人工智能实践应用》的坑们
1、安装时注意版本兼容问题!!!!tensorflow、keras、python版本兼容问题https://docs.floydhub.com/guides/environments/2、查看版本时version前后是两条横线(天坑)区别:tf.versiontf.version3、代码show_train_history(train_history, ‘accuracy’, ‘val_accuracy’)由于版本问题。acc,val_acc是不对的,补全即可4、...原创 2021-06-14 21:37:08 · 16994 阅读 · 7 评论