- 博客(3)
- 收藏
- 关注
RSS订阅原创 K-means聚类方法
由于离群点的存在，会严重影响平均线的计算，从而使中心发生偏离，因此，对于存在噪声的样本，应事先进行滤波处理，再进行分类。聚类中的样本都没有对应的类别，通过观察样本的特点，根据特点的亲密度，将亲密度高的划分为一组，分成几个组，每个组之间的亲密度低。(1)拐点法（肘法）：就是在k值不同的情况下，求出各种偏差的平方和，当 k值增大时，类中得点就会减少，离差平方和会逐渐变小，离差平方和的大小变化的斜率是考虑的对象，当斜率突然由大变小时，且之后趋于平稳，则认为拐点的k值为合适k值。，将其分配到距离最近的中心。
2023-11-26 10:29:48
405
1
原创 基于CNN的猫狗识别应用
运行的环境需要：GPU、Windows10、Python:3.9.13、Anaconda:1.11.0、Conda:22.9.0、Tensorflow:2.10.0、Torch:2.0.0、Keras:2.4.3）在train文件夹内需将4000张猫的图像放入cats内，4000张狗的图像放入dogs内。同样的validation内放1000张猫的图像放入cats内，1000张狗的图像放入dogs内。具体的数据有：训练数据8000张，猫和狗各4000张；这边使用的数据来源：kaggle官网。
2023-11-26 10:14:14
425
1
原创 CNN的过拟合现象？
这里的过拟合现象是一定会出现在神经网络的训练中的，但是过拟合现象有程度的区分，严重的过拟合现象需要做出调整。它的原理是在模型对训练集进行迭代训练并在其收敛之前停止迭代，以避免过多的迭代次数导致过拟合现象。③Dropout：添加一个Dropout层，Dropout增强了网络结构的多样性，既能改善过拟合问题，又能加快训练速度。小编这边是在校学习的学生，这里仅仅是自己的一些看法和学习到的知识汇总，如有错误，请多多指正。训练集输入网络得到的结果比测试集输入数据的拟合程度更好，且训练集外的。过拟合现象的解决办法？
2023-11-23 10:09:10
183
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人