![](https://img-blog.csdnimg.cn/20201014180756754.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
Machine-Learning
文章平均质量分 79
PinappleMi
这个作者很懒,什么都没留下…
展开
-
转置卷积(pytorch)
pytorch 转置卷积apinn.ConvTranspose2d(in_channels, out_channels, kernel_size=3, stride=2, padding=1, dilation=1, output_padding=1)作用:进行转置卷积,用于上采样设原本图像大小为in∗inin*inin∗in,图像的padding为1,经过一个为kernelkernelke...原创 2020-03-11 20:55:30 · 659 阅读 · 0 评论 -
从最大似然估计看线性回归
线性回归我们从用给定的数据集(x,y),学习了一组参数θ ,y(i)=θTx(i)+ϵ(i)y^{(i)}=θ^{T}x^{(i)}+ϵ^{(i)}y(i)=θTx(i)+ϵ(i),假设ϵi服从期望为0的正态分布ϵi~N(0,σ^2);度量线性回归模型性能用均方误差MSE ,代价函数为:J(θ)=1/(2∗m)∑i=1m(y(i)′−yi)2J(θ)=1/(2*m)\sum_{i=1}^m(y...原创 2019-02-06 23:23:40 · 1308 阅读 · 0 评论 -
Fisher判别分析详解
Fisher判别分析将高维度空间的样本投影到低维空间上,使得投影后的样本数据在新的子空间上有最小的类内距离以及最大的类间距离,使得在该子空间上有最佳的可分离性可以看出右侧投影后具有更好的可分离性。Fisher判别分析和PCA差别刚学完感觉两个很类似,实际上两个方法是从不同的角度来降维。PCA是找到方差尽可能大的维度,使得信息尽可能都保存,不考虑样本的可分离性,不具备预测功能。LAD...原创 2019-05-16 13:24:56 · 30456 阅读 · 2 评论