- 博客(5)
- 收藏
- 关注
RSS订阅原创 <深度学习系列>深度学习中激活函数的选择
前言在神经网络中，有线性部分，也存在激活函数作为线性部分的非线性激活，这里的激活函数往往是非常重要的，合适的选用有助于提高整个神经网络的性能，这里根据网络的一些所见所学和自己的理解，结合上一篇关于反向传播算法的内容，浅谈下激活函数的选择。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: htt
2017-09-27 09:11:35
1747
原创 机器学习性能评估指标
前言衡量一个机器学习算法的优劣有许多指标可以参考，对于不同任务的不同算法需要采用不同的指标进行衡量而不能一概而论，正如没有免费午餐定律所揭示的，没有任何一个算法可以在所有数据集上表现良好，因此需要用合适的性能评判指标去选择合适的机器学习模型。这里浅谈一些评判指标，部分素材来自《机器学习》 周志华。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.c
2017-09-27 09:04:19
1235
原创 机器学习模型的容量，过拟合与欠拟合
前言过拟合与欠拟合是机器学习中永恒的话题，而过拟合这个问题也是机器学习中经常导致模型失败的罪魁祸首，这里结合《Deep Learning》一书中的关于容量，过拟合与欠拟合的讨论，总结,摘抄一些观点。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://github.com/Fesi
2017-09-27 09:00:28
6605
原创 训练集，测试集，检验集的区别与交叉检验
前言在机器学习中，不可避免要接触到训练集，测试集以及检验集，这些数据集各有各的作用，为机器学习算法的泛化保驾护航，这里结合《Deep Learning》中的关于训练集，测试集和检验集的讨论，浅谈所见所学。 如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://github.com/F
2017-09-27 08:56:48
7282
原创 《深度学习系列》反向传播算法的公式推导
反向传播算法及其梯度扩散前言最近开始认真学习了下反向传播算法和梯度传递的问题，其本质是导数的链式法则的应用，由此可以分析出为什么sigmoid激活函数不适合用于做多层网络的激活函数，可以考虑联系我的另一篇关于激活函数的文章。如有谬误，请联系指正。转载请注明出处。 联系方式： e-mail: FesianXu@163.com QQ: 973926198 github: https://gith
2017-09-26 10:37:51
3951
6
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