机器学习:
监督学习:有数据有标签的
非监督学习:只有数据,没有标签。
半监督学习:用少量有标签样本和大量没标签样本
强化学习:从经验中总结提升
遗传算法:适者生存,不适者淘汰。
神经网络
卷积神经网络NN
循环神经网络RNN,
LSTM 长短期记忆,最流行的RNN技术之一。
自编码autoencoding:神经网络的非监督学习。
GAN生成对抗网络:
怎么检验神经网络:
数据分为训练数据和测试数据,7:3
误差曲线
交叉验证判断最优参数
为什么要特征标准化:特征数据标准化,归一化
误差=预测-真实
怎么区分好用的特征:
判断特征对于结果的影响程度。
为什么需要激励函数:sigmon,relu,tah,
线性方程:y=wx
非线性方程:y=AF(wx)
卷积神经网络用:relu
循环神经网络:relu,tah
什么是过拟合:
过拟合中w往往比较大,可以通过L1/L2正规化来解决,让学出来的曲线不过拟合。
加速神经网络训练:
1.数据拆分,SGD
2.w+=-learning rate *dx
3.AdaGrad:
4.RMSProp
5.Adam
处理不均衡数据:
1.想办法获取更多的数据
2.换评判方式。
Confusion Matr