![](https://img-blog.csdnimg.cn/20201014180756928.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
nuoman_cheng
这个作者很懒,什么都没留下…
展开
-
语言模型如何评估
语言模型的性能通常用交叉熵和复杂度(perplexity)来衡量。交叉熵的意义是用该模型对文本识别的难度,或者从压缩的角度来看,每个词平均要用几个位来编码。复杂度的意义是用该模型表示这一文本平均的分支数,其倒数可视为每个词的平均概率。平滑是指对没观察到的N元组合赋予一个概率值,以保证词序列总能通过语言模型得到一个概率值。通常使用的平滑技术有图灵估计、删除插值平滑、Katz平滑和Kneser-Ney转载 2015-11-30 16:02:17 · 1123 阅读 · 0 评论 -
Alexnet与vggnet的比较
AlexNet 是一种典型的convolutional neural network,它由5层 convolutional layer,2层 fully connected layer,和最后一层label layer (1000个node,每个node代表ImageNet中的一个类别)组成。2012年,deep learning的大牛教授Geoffrey Hinton (Un原创 2016-10-09 15:59:53 · 2643 阅读 · 0 评论 -
随机梯度下降中,momentum的理解
梯度下降中 梯度 步长 冲量的关系原创 2015-12-29 15:16:42 · 6772 阅读 · 1 评论 -
箱体图如何排除异常点
箱形图可以用来观察数据整体的分布情况,利用中位数,25/%分位数,75/%分位数,上边界,下边界等统计量来来描述数据的整体分布情况。通过计算这些统计量,生成一个箱体图,箱体包含了大部分的正常数据,而在箱体上边界和下边界之外的,就是异常数据。其中上下边界的计算公式如下:UpperLimit=Q3+1.5IQR=75%分位数+(75%分位数-25%分位数)*1.5,LowerLimit=Q转载 2016-11-15 16:27:15 · 2674 阅读 · 0 评论 -
machine learning yearning: 3
machine learning yearning :3原创 2016-12-20 21:01:26 · 341 阅读 · 0 评论