机器学习
文章平均质量分 94
Allen Chou
这个作者很懒,什么都没留下…
展开
-
深度学习:权重衰减(weight decay)与学习率衰减(learning rate decay)
正则化方法:防止过拟合,提高泛化能力避免过拟合的方法有很多:early stopping、数据集扩增(Data augmentation)、正则化(Regularization)包括L1、L2(L2 regularization也叫weight decay),dropout。权重衰减(weight decay)L2正则化的目的就是为了让权重衰减到更小的值,在一定程度上减少模型过拟合的问题,所以权重衰减也叫L2正则化。在损失函数中,weight decay是放在正则项(regularizati转载 2021-01-15 16:31:43 · 9112 阅读 · 0 评论 -
机器学习:分类模型评估指标(准确率、精准率、召回率、F1、ROC曲线、AUC曲线)
机器学习模型需要有量化的评估指标来评估哪些模型的效果更好。本文将用通俗易懂的方式讲解分类问题的混淆矩阵和各种评估指标的计算公式。将要给大家介绍的评估指标有:准确率、精准率、召回率、F1、ROC曲线、AUC曲线。机器学习评估指标大全所有事情都需要评估好坏,尤其是量化的评估指标。高考成绩用来评估学生的学习能力 杠铃的重量用来评估肌肉的力量 跑分用来评估手机的综合性能机器学习有很多评估的指标。有了这些指标我们就横向的比较哪些模型的表现更好。我们先从整体上来看看主流的评估指标都有哪些:原创 2020-09-16 17:24:50 · 34421 阅读 · 1 评论 -
机器学习:AI数据集划分(训练集、验证集、测试集)
在机器学习中,数据集的合理划分会提高我们的训练效率。机器学习中这三种数据集合非常容易弄混,特别是验证集和测试集,这篇笔记写下我对它们三个的理解以及在实践中是如何进行划分的。数据在人工智能技术里是非常重要的!本篇文章将详细给大家介绍3种数据集:训练集、验证集、测试集。同时还会介绍如何更合理的讲数据划分为3种数据集。最后给大家介绍一种充分利用有限数据的方式:交叉验证法。先用一个不恰当的比喻来说明3种数据集之间的关系:训练集相当于上课学知识 验证集相当于课后的的练习题,用来纠正和强化学到..原创 2020-09-16 15:53:55 · 13806 阅读 · 1 评论