![](https://img-blog.csdnimg.cn/20201014180756919.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
数学篇-神经网络和深度学习(吴恩达课程笔记)
白马长枪儒雅将
这个作者很懒,什么都没留下…
展开
-
反向传播算法原理
反向传播算法的直观理解点击链接:https://blog.csdn.net/mao_xiao_feng/article/details/53048213 博文介绍很详细,我不在复制粘贴,大家点击查看。转载 2018-10-05 12:15:54 · 1580 阅读 · 0 评论 -
R-次要刻度线 参考线 图例
不飞则已,一飞冲天;不鸣则已,一鸣惊人。——《韩非子》 R-次要刻度线 参考线 图例的使用 在Rtudio中编写如下代码:> dose> drugA> drugB> opar> opar> par(lwd=2,cex=1.5,fon原创 2017-09-20 19:41:39 · 6098 阅读 · 1 评论 -
1.3 用神经网络进行监督学习
上面的意思是:没对应的X的特征了,通过神经网络了,可以预测Y的值,后面是他们的预测应用(房价,在线广告图像识别,无人驾驶......),现在技术在将深度学习这一块取得的经济效果最好的是应用便是利用监督学习来,来对在线广告的投放。这块产生了巨大的价值。 上面的展示的是:标准神经网络,卷积神经网络,循环神经网络的模型原创 2017-09-15 21:47:11 · 1576 阅读 · 0 评论 -
机器学习中的准确率与召回率的理解和总结
作为遇到偏斜类问题评估度量值,在很多应用中我们希望保证查准率和召回率的相对平衡。 1、两个最常见的衡量指标是“准确率(precision)”(你给出的结果有多少是正确的)和“召回率(recall)”(正确的结果有多少被你给出了)这两个通常是此消彼长的(trade off),很难兼得。当我们二分类的临界值是设置的较高时,会得到一个高准确率和低召回率。当我们的二分类的临界值设置较低时,...原创 2018-10-08 21:14:40 · 28206 阅读 · 1 评论