![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
深度学习初步探索
文章平均质量分 71
介绍深度学习内的一些浅层知识
马超怎么赢
你先别急,让我先急
展开
-
鸢尾花的分类-浅层神经网络的实现
通过鸢尾花神经网络的建立,实现对浅层神经网络框架的建立原创 2023-07-12 15:36:40 · 58 阅读 · 1 评论 -
常见机器学习类型介绍
(Semi-Supervised Learning,SSL)的方法,希望从大规模的无标注数据中充分挖掘有用的信息,降低对标注样本数量的要求.强化学习和监督学习的不同在于,强化学习不需要显式地以“输入/输出对”的方式给出训练样本,是一种在线的学习机制.。强化学习(Reinforcement Learning,RL)是一类通过交互来学习的机器学习算法.在强化学习中,智能体根据环境的状态做出一个动作,并得到即时或延时的奖励.智能体在和环境的交互中不断学习并调整策略,以取得最大化的期望总回报.。原创 2023-07-07 12:13:22 · 87 阅读 · 1 评论 -
神经网络介绍
早期的神经科学家构造了一种模仿人脑神经系统的数学模型,称为人工神经网络,简称神经网络.在机器学习领域,神经网络是指由很多人工神经元构成的网络结构模型,这些。人工神经元之间的连接强度是可学习的参数.(即机器可以通过学习算法自动调整,无需认为干预)记忆网络:记忆网络也称为反馈网络,网络中的神经元不但可以接收其他神经元的信息,也可以。(Network Capacity),这与可以被储存在网络中的信息的复杂度以及数量。-------------(以上是表示学习,以下是浅层学习)可以是有向的,也可以是无向的。原创 2023-07-07 11:26:08 · 64 阅读 · 1 评论 -
谈谈偏差-方差分解
为了避免过拟合,我们经常会在模型的拟合能力和复杂度之间进行权衡.拟合能力强的模型一般复杂度会比较高,容易导致过拟合.相反,如果限制模型的复杂度,降低其拟合能力,又可能会导致欠拟合.因此,如何在模型的拟合能力和复杂度之间取得一个较好的平衡,对一个机器学习算法来讲十分重要.偏差-方差分解(Bias-Variance Decomposition)为我们提供了一个很好的分析和指导工具所以模型的选择不能单从训练集上的错误率入手,盲目的看重训练集可能会导致过拟合,那么我们应该如何选择模型?原创 2023-07-06 17:46:02 · 455 阅读 · 1 评论