- 博客(3)
- 资源 (8)
- 收藏
- 关注
原创 偏差-方差分解(bias-variance decomposition):在理论上解释算法的泛化性能
文章目录我们可以直接做实验,拿到一个具体的精度,以及训练过程的变化曲线,观察出模型的泛化性能。但是这样做,明显是很模糊主观的,而且也完全不知为何会表现出这样的泛化性能。本文所说的这个分解方法就是要在理论上去分析一下,到底泛化误差由什么组成,由哪些因素影响。我个人觉得这个理论分析法的贡献是非常非常大。...
2020-10-22 15:13:37 1676
原创 总结:两个向量之间,常用的距离/相似性度量
文章目录欧式距离闵可夫斯基距离马氏距离卡方chi-squarefisher score余弦相似度互信息pearson相关系数Jaccard相关系数KL散度JS距离DTW距离相似度和距离度量在机器学习中非常重要。因此这里做一点总结。欧式距离最简单的,从小都会,是高维空间中两个点的直线距离(以二维空间为例就很好理解)。闵可夫斯基距离曼哈顿距离就是模的和,比如在二维空间,就是两点的差的绝对值之和。马氏距离这里开始复杂一点了,扯到了概率分布,即开始不再只是简单考虑这两个向量本身,而是把他们都
2020-10-19 21:30:07 13320
原创 两种归一化的对比(标准化 VS 缩放),都会改变数据分布!
标准化即把一个向量的均值和标准差算出来,然后每一个分量都减去均值再除以标准差,得到的就是归一化之后的结果。归一化之后的数据有正有负,服从均值为0方差为1的标准正态分布。实验:归一化前后,数据分布不同在matlab中生成一组正态分布的随机数a = random('Normal', 3,3, [1, 100]);%均值为3,标准差为3,1行100列figure,plot(a,'b'),hold onb = (a - mean(a))/std(a,0,2);%std(a,0,2)对于行向量求标准
2020-10-10 17:07:20 7179 5
SARS传播的数学模型.pdf
2019-06-17
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人