ML
文章平均质量分 82
HIT_XP
这个作者很懒,什么都没留下…
展开
-
机器学习中的范数规则化之(二)核范数与规则项参数选择
转自http://blog.csdn.net/zouxy09/article/details/24972869 上一篇博文,我们聊到了L0,L1和L2范数,这篇我们絮叨絮叨下核范数和规则项参数选择。知识有限,以下都是我一些浅显的看法,如果理解存在错误,希望大家不吝指正。谢谢。 三、核范数 核范数||W||*是指矩阵奇异值的和,英文称呼叫Nuclear转载 2015-08-05 21:31:21 · 159 阅读 · 0 评论 -
机器学习中的范数规则化之(一)L0、L1与L2范数
转载自http://blog.csdn.net/zouxy09/article/details/24971995 今天我们聊聊机器学习中出现的非常频繁的问题:过拟合与规则化。我们先简单的来理解下常用的L0、L1、L2和核范数规则化。最后聊下规则化项参数的选择问题。这里因为篇幅比较庞大,为了不吓到大家,我将这个五个部分分成两篇博文。知识有限,以下都是我一些浅显的看法,如果理解存在错误,希望大转载 2015-08-05 21:29:01 · 607 阅读 · 0 评论 -
机器学习常见错误
转自http://www.douban.com/note/413022836/看到一篇文章,是将在机器学习模型中经常遇到的一些错误,反省一下自己,也看到身边的很多同事也在犯同样的错误,于是就写下来,自省也提醒大家。原文链接: http://ml.posthaven.com/machine-learning-done-wrong机器学习很大程度上就像软件工程一样,比如我现在要转载 2015-08-05 21:42:15 · 527 阅读 · 0 评论 -
Discover Feature Engineering, How to Engineer Features and How to Get Good at It
转自http://machinelearningmastery.com/discover-feature-engineering-how-to-engineer-features-and-how-to-get-good-at-it/Feature engineering is an informal topic, but one that is absolutely known and转载 2015-08-05 21:35:27 · 925 阅读 · 0 评论