- 博客(3)
- 收藏
- 关注
RSS订阅原创 DataWhale《深度学习详解》Task3笔记
模型偏差（Model Bias）是指在机器学习或统计建模过程中，模型在对观察数据进行预测时所产生的系统性误差。这种偏差通常是由于模型选择、训练数据或假设不准确导致的。模型偏差会影响模型的泛化能力，使其在未见数据上的表现不佳。模型偏差的两个主要类型是：1. 高偏差（Underfitting）：模型过于简单，无法捕捉数据的复杂性，导致训练和测试性能都很差。例如，使用线性模型来拟合非线性数据。
2024-09-01 20:02:39
334
原创 DataWhale《深度学习详解》Task2笔记
它由多个线段组成，每个线段连接两个相邻的数据点，并且每个线段是线性的，这意味着在每个段内，变量之间的关系是线性的。分段线性曲线将连接这些点，而在 (1, 2) 到 (2, 3) 之间的线段可能与 (0, 0) 到 (1, 2) 之间的线段有不同的斜率。分段线性曲线常用于统计、经济学、工程等领域，尤其是在需要对数据进行插值、拟合，并在不同区间使用不同的模型时。3. 连续性：虽然每个段内是线性的，但在段与段之间的衔接点可能会存在不连续性，取决于具体的数据和定义。
2024-08-29 20:45:49
131
原创 DataWhale《深度学习详解》Task1笔记
通过这些方法，可以提高模型的准确性，减少训练时间，并提升模型的泛化能力。线性模型的数学表达式通常写作 ( y = w^T x + b )，其中 ( y ) 是预测值，( x ) 是输入特征向量，( w ) 是权重向量，( b ) 是偏置项。在线性回归中，模型的目标是找到最佳的权重和偏置，以最小化预测值与实际值之间的误差，通常使用均方误差作为损失函数。逻辑回归是线性模型在二分类问题中的一个应用，它通过应用sigmoid函数将线性模型的输出压缩到0和1之间，从而预测样本属于某个类别的概率。
2024-08-24 17:56:52
241
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