- 博客(6)
- 收藏
- 关注
RSS订阅原创 模型中的bias和variance的理解
variance：相同分布的不同训练集训练出的模型的输出结果之间的差异，代表的是鲁棒性，直白说是一个模型面对不同输入数据的变化和扰动的稳定性。bias：单个模型的输出结果与该训练集的真实结果之间的差异，代表的是拟合能力，俗话可以说“准确度”不通过testing_data的输出结果去优化模型，而是通过valid_data的结果去优化模型。处理这种过拟合的方法之一：cross-validation（交叉验证）过拟合：训练误差小，测试误差大。即bias小，variance大。
2024-01-15 20:23:10
520
1
原创 动手学深度学习——等高线
等高线是连接地图上相同海拔高度的线。等高线的特点是连接相同海拔高度的点，因此沿着等高线行走，可以保持相同的海拔高度。比如f(x,y)=x*x+y*y，在平面上找到值为1的x和y的集合，就是一个圆上的点，所以说相同的函数值，x和y的取值可以有多种组合。在物理学、地理学和工程学等领域中，我们经常使用梯度来描述某一物理量的变化情况。梯度的等高线是连接梯度相等的点的线。函数的等高线是在函数的图像中，与函数取相同函数值的点形成的曲线或曲面。在学到梯度下降的时候，看到等高线的图形，发现自己不太懂等高线。
2023-10-31 17:30:06
196
1
原创 动手学深度学习——线性回归
batch_indices是一个取值从列表indices中的i开始，到min结束的一个张量，包含了当前批次的样本索引，min(i + batch_size, num_examples)表示为了防止最后一个批次的数目太小，达不到batch_size，所以取二者的最小值。w是一个2行1列的张量，requires_grad=True，这个参数告诉 PyTorch 需要跟踪对这个张量的操作，以便之后进行自动求导（autograd）。b是一个形状为（1，）的张量，这个的含义：一维张量，可以是1行或者1列。
2023-10-31 16:53:00
337
3
原创 动手学深度学习-线性代数
2. 若要保持求和之后的维度不会减少，则用：keepdims=True。torch.mv(A,x), 其中A的列维数与x的维数要相同。F范数：torch.norm(A,p='fro')1、张量求和sum(),求平均值mean()2范数：torch.norm(A,p=2)mean()用法同理：会减少张量的维度。如：A.shape(2,5,4)向量与向量的乘积：点积。
2023-10-31 16:22:46
47
1
原创 动手学深度学习——自动求导
答：这是因为y=x*x,此时y是一个矩阵，而在深度学习中，通常用标量对向量求梯度，而不是用矩阵对向量求梯度，所以接着使用y.sum()让y的每个元素求和，结果为一个标量，然后使用backward(),让y对x求梯度，即：对x的每一个元素求偏导数。这两种情况下，对于任何a，存在某个常量标量k，使得f(a)=k*a，其中k的值取决于输入a。4、为什么f(a)是相当于k*a，其中k是f(a)的梯度？这部分是分段的，因为输出取决于条件。作为常数处理， 求导结果是u，而不是。因此，整体而言，我们可以近似说，在。
2023-10-31 11:35:34
90
1
原创 动手学深度学习——数据预处理+缺失值处理
插入平均值时，出现报错情况，于是在mean括号中加入"numeric_only=True"默认按值分为几列，同时dummy_na=True表示用bool值(0/1)表示具体值。以上只有pave和NAN两种值，所以分为两列，同时pave用1表示，NAN用0表示。例子中：pd.get_dummies(inputs,dummy_na=True)2.缺失值处理：插值、删除。mode ：权限模式。
2023-10-25 16:27:17
122
1
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