![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习
liuyunshengsir
全栈工程师
展开
-
keras ImageDataGenerator 实现批量数据增强(少量图片生成大量图片)
1、数据不均衡问题 在大部分情况下,我们认为不同类别的数据是均匀分布的,很多算法也是基于这个假设,但是在真实的情况下,往往都不是如此的。例如,机器发送故障的情况是我们想要预测的,但实际上故障的概率是很低的,所以导致故障的样本量很少,即使你将所有的预测结果都设置为正常,准确率依然很高,但这个模型是一个没有用的模型,这种类似的例子是非常常见的。 2、常见的解决方法 解决的方案很多,主要从两个方面考虑(面试的时候可能会问) 1)数据层面 2)算法层面 在项目中,我们可能没那么多时间去思考从算法方面去解决,更多的时原创 2020-08-18 15:34:59 · 1753 阅读 · 0 评论 -
目标函数、损失函数、代价函数 区别
区别 损失函数:计算的是一个样本的误差 代价函数:是整个训练集上所有样本误差的平均 目标函数:代价函数 + 正则化项 例子 上面三个图的函数依次为 f1(x) , f2(x) , f3(x) 。我们是想用这三个函数分别来拟合Price,Price的真实值记为 Y。 我们给定x,这三个函数都会输出一个f(X),这个输出的f(X)与真实值Y可能是相同的,也可能是不同的,为了表示我们拟合的好坏,我们就用一个函数来度量拟合的程度。这个函数就称为损失函数(loss function),或者叫代价原创 2020-07-14 11:06:46 · 655 阅读 · 0 评论