![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
机器学习
文章平均质量分 89
Smart-Body
普适智能
展开
-
交叉验证之我见
常用的精度测试方法有交叉验证,例如10倍交叉验证(10-fold cross validation),将数据集分成十分,轮流将其中9份做训练1份做测试,10次的结果的均值作为对算法精度的估计,一般还需要进行多次10倍交叉验证求均值,例如10次10倍交叉验证,更精确一点。当训练样本数目过少,采用“交叉验证法”(cross validation).交叉验证法分两种:转载 2015-12-02 10:09:12 · 1236 阅读 · 0 评论 -
如何使用交叉验证(cross-validatation)
如何使用Cross-Validation写这份文件,最主要的目的是介绍如何正确的使用cross-validation,并举例一些常犯的错误。假设您对pattern recognition已经有基础的认识,希望这份文件对您论文中的实验内容能有所帮助。 在pattern recognition与machine learning的相关研究中,经常会将dataset分为trai转载 2015-12-02 10:38:39 · 968 阅读 · 0 评论 -
机器学习开源算法库
机器学习开源算法库原创 2015-12-01 16:47:31 · 9192 阅读 · 1 评论 -
结构风险最小化
VC 维在有限的训练样本情况下,当样本数 n 固定时,此时学习机器的 VC 维越高学习机器的复杂性越高。VC 维反映了函数集的学习能力,VC 维越大则学习机器越复杂(容量越大)。 所谓的结构风险最小化就是在保证分类精度(经验风险)的同时,降低学习机器的 VC 维,可以使学习机器在整个样本集上的期望风险得到控制。 推广的界(经验风险和实际风险之间的关转载 2015-12-02 10:40:04 · 2575 阅读 · 0 评论 -
Theano中的LSTM代码解析
阅读本文需要一定的Python,lstm和Theano的基础知识。Theano是一种符号语言,它的优点在与它的自动求导机制以及GPU的透明性,缺点在于调试时极为不便。基于Theano开发的Deep Learning代码一般分为四个部分:数据准备,模型建立,预训练和训练,测试。代码按照这个顺序进行分析。Theano的LSTM代码见https://github.com/lisa-l转载 2017-01-07 22:53:37 · 1620 阅读 · 0 评论