- 博客(6)
- 收藏
- 关注
RSS订阅转载 CNN RNN
卷积网络循环网络结合-CNN+RNN！！！转自 https://blog.csdn.net/Koala_Tree/article/details/77765436卷积网络循环网络结合-CNN+RNN1. CNN+RNN 相同点都是传统神经网络的扩展； 前向计算产生结果，反向计算进行模型的更新； 每层神经网络横向可以多个神经元共存，纵向可以有多层神经网络连接。...
2018-08-13 15:05:14
3144
原创 《统计学习方法》隐马尔科夫模型
生成模型，一个关于时序的概率模型，由隐藏的马尔科夫链随机生成不可观测的状态序列，再有各个状态生成一个观测而产生观测序列的过程，由初始概率分布，状态转移概率分布以及观测概率分布确定。隐藏的马尔科夫链随机生成状态的序列称为状态序列；每个状态生成一个观测，而由此产生的观测的随机序列，称为观测序列。隐马尔科夫模型由初始概率向量，状态转移概率矩阵A以及观测概率矩阵B决定。和A确定了马尔科夫链，生成不...
2018-07-27 21:39:26
356
原创 《统计学习方法》 感知机
感知机是二分类问题的线性分类模型，输入为实例的特征向量，输出为实例的类别，去+1和-1两值。属于判别模型，对输入实例进行分类。旨在求出将训练数据进行线性划分（可以将训练集正实例点和负实例点完全正确划分）的分离超平面。感知机：f(x)=sign(w*x+b)其中 sign是符号函数。当x>=0时，=1；当x<=0时，=-1 通过训练集T={(x1,y1),(x2,y2)......
2018-07-26 15:09:47
173
原创 正则化 过拟合 欠拟合
过拟合：学习训练集过于充分，导致模型过度复杂，对训练集有很高的准确性，但对未知样本的预测能力较差，泛化能力很差。 解决：限制模型复杂度，增加正则化，增加训练样本，Dropout欠拟合：算法学习过程中未充分学习到数据的内在规律，导致学习的模型出现很大的偏差，预测准确率不高。 解决：增加模型复杂度，增加迭代次数，对于随机树可以增加树的深...
2018-07-24 15:07:50
501
原创 机器学习 统计学习
机器学习：一种让计算机利用数据而非指令来进行各种工作的方法。计算机使用输入给他的数据，利用人类赋予的算法，得到某种模型的过程，其结果是使用该模型，预测未知数据信息。在统计理论下的本质：它追求的是合理的假设空间（模型在数学上的适合场合）的选取和模型的泛化能力（模型在未知数据上的表现能力）。统计学习（statistial learning）：计算机基于数据构建概率统计模型：并运用模型对数据进行...
2018-07-24 12:29:50
387
原创 GBDT
以CART回归树为基学习器，迭代学的得到强学习器。与传统Adaboost相比，增加了损失函数，每轮迭代的目的就是找到一颗决策树使本轮损失函数最小化，用损失函数的负梯度来拟合本轮损失的近似值，进而拟合一个回归树出来。可用于回归和分类问题。回归问题一般损失函数用均方差损失，分类问题一般用指数损失函数和对数损失函数，分为二元分类和多元分类问题。区别就在与负梯度的计算和叶子节点的残差拟合（这两个和损失函数...
2018-07-13 11:08:11
140
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