lzw刘仔很忙的博客

L1范数损失函数也被称为最小绝对值偏差（LAD），最小绝对值误差（LAE）。总的说来，它是把目标值（Yi)与估计值（f(xi))的绝对差值的总和（S)最小化：优点：无论对于什么样的输入值，都有着稳定的梯度，不会导致梯度爆炸问题，具有较为稳健性的解。缺点：在中心点是折点，不能求导，不方便求解。smooth L1损失函数其实顾名思义，smooth L1说的是光滑之后的L1，前面说过了L1损失的缺点就是有折点，不光滑，导致不稳定，那如何让其变得光滑呢？smooth L1损失函数为：sm

博主原创文章，转载请注明出处https://www.cnblogs.com/shuaishuaidefeizhu/p/11269257.html一、什么是one-hot编码？One-Hot编码，又称为一位有效编码，主要是采用N位状态寄存器来对N个状态进行编码，每个状态都由他独立的寄存器位，并且在任意时候只有一位有效。One-Hot编码是分类变量作为二进制向量的表示。这首先要求将分类值映射到整数值。然后，每个整数值被表示为二进制向量，除了整数的索引之外，它都是零值，它被标记为1。..

本文链接：https://blog.csdn.net/luoluonuoyasuolong/article/details/90711318PCA 用来干什么？PCA呀，用来做什么呢？这个很重要，PCA也有很多应用，可能我们之前听过用PCA做人脸识别，PCA做异常检测等等。但事实上PCA没有那么强大的功能，PCA能做的事其实很有限，那就是：降维。其他拓展应用都是在这基础上做了相应额工作。为什要降维呢？很明显，数据中有些内容没有价值，这些内容的存在会影响算法的性能，和准确性。如上图，数据点大部分都分

模型的选择误差误差:(Error): 是模型的预测输出值与其真实值之间的差异 训练(Training): 通过已知的样本数据进行学习, 从而得到模型的过程 训练误差(Training Error): 模型作用于训练集的误差 泛化(Generalize): 由具体的, 个别的扩大为一般的, 即从特殊都一般, 称为泛化. 对机器学习的模型来讲, 泛化是指模型作用于新的样本数据(非训练集) 泛化误差(Generalization Error): 模型作用于新样本数据时候的误差 误差 欠