深度学习
ma_studd
这个作者很懒,什么都没留下…
展开
-
分类或聚类任务中常用的评价指标计算方法
1. 预备知识: 预测为正 预测为负 真值为正 TP FN 真值为负 FP TN TPR: TP/(TP+FN),真正率,正样本中被预测为正的比例;FNR:FN/(TP+FN), 漏检率,正样本被预测为负的比例;FPR: FP/(FP+TN), 虚警率,负样本被预测为正的比例;TNR: TN /(FP.原创 2020-10-24 09:55:50 · 824 阅读 · 0 评论 -
神经网络参数更新公式推导(二) ——全连接深度神经网络
一、引言与仅包含一层隐含层的网络不同,深度神经网络一般采用的激活函数为ReLU而不是Sigmoid函数,并且没有了阈值,而在每一层的输出上加上了偏置(Bias)。对于三层神经网络中隐层的节点,其输入首先要与阈值作差,然后将差值输入到激活函数(Sigmoid)中。虽然都是采用BP算法进行更新,但三层网络更新的是权重和阈值,而深度网络中更新的是权重矩阵和偏置。此外,由于是多层隐含层,所以需要在更新当前层的时候用到后面一层的信息,需要明确给出权重矩阵和偏置的更新公式。二、输入变换1. 以卷积神经网络为原创 2020-08-20 11:41:45 · 3631 阅读 · 0 评论 -
深度学习文献总结
文献1. Hinton在《科学》上发表的“reducing the dimensionality of data with neural networks”. 引用格式:Geoffery E. Hinton, Salakhutdinov RR. Reducing the dimensionality of data with neural networks. Science. ...原创 2019-04-01 15:20:08 · 6144 阅读 · 0 评论 -
随机森林基础知识总结
1. 决策树与随机森林的区别:决策树是一种非线性有监督分类模型,随机森林是一种非线性有监督分类模型,线性分类模型比如说逻辑回归,可能存在不可分问题,但是非线性分类就不存在。2. 解决过拟合的两种方法: 一、剪枝;二、随机森林。3. 随机森林是当前一个比较火的算法,它的优点有:a. 在数据集上表现良好;b. 在当前的很多数据集上相对于其他算法有很大的优势;c. 能处理...原创 2019-04-01 15:56:59 · 4173 阅读 · 0 评论