![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
uri_yang
这个作者很懒,什么都没留下…
展开
-
详解机器学习中的梯度消失、爆炸原因及其解决方法
转载文章CSDN原创 2019-03-14 21:49:35 · 94 阅读 · 0 评论 -
focal loss理解
转载自转载 2019-03-15 16:54:33 · 109 阅读 · 0 评论 -
决策树——剪枝处理
为了防止过拟合,一般进行剪枝处理:预剪枝与后剪枝 预剪枝:在进行节点划分时,进行估计,如划分能够带来泛化性能提高则进行划分,否则不划分。 降低了过拟合以及训练测试时间,可能带来欠拟合的风险 后剪枝:先生成完整决策树,然后由底向上,考虑非叶子结点,若合并子节点到父节点能够提高泛化性能,则去除该分支,进行合并。 后剪枝欠拟合风险小,但是时间开销大。 ...原创 2019-04-01 21:05:00 · 307 阅读 · 0 评论