- 博客(6)
- 收藏
- 关注
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