深度学习基础
Iris_6713
这个作者很懒,什么都没留下…
展开
-
深度学习中的正则化
关于正则化如下文章整理的很详细:https://blog.csdn.net/qq_16137569/article/details/81584165下面仅做一些补充前言机器学习需要找到的是从训练数据分布上学习一些能在新数据上泛化好的规律的算法。关键是要泛化好,就是学到一些在新数据上泛化好的特征。即所设计的模型要测试误差较小,因此,很有必要掌握一些减小测试误差的策略,这些策略统称为正则化。2. 为什么对权重做惩罚而不对偏置做正则惩罚?...原创 2020-06-28 21:18:47 · 439 阅读 · 0 评论 -
Hinge 损失函数与SVM
要想搞明白Hinge损失函数,不得不来讨论一下SVM(支持向量机)SVM支持向量机(support vector machines, SVM)是一种二分类模型,它的基本模型是定义在特征空间上的间隔最大的线性分类器,SVM的的学习策略就是间隔最大化。SVM算法原理SVM学习的基本想法是求解能够正确划分训练数据集并且几何间隔最大的分离超平面。能够分类下列数据的超平面有很多个,但间隔最大的分离超平面是唯一的。几何间隔:对于给定的数据集和超平面 wx+b=0 ,定义超平面关于样本点 (xi, yi)转载 2020-06-23 11:30:45 · 1120 阅读 · 0 评论