- 博客(2)
- 收藏
- 关注
RSS订阅原创 模型评估与选择
1、学习误差通常我们把分类错误的样本所占的比例称为错误率，把分类正确的样本所占的比例称为精度。我们也经常把真实分类和预测分类之间的差异称为误差，训练时的误差称为训练误差，测试时的误差称为泛化误差，我们显然更希望得到更小的泛化误差。但是，我们事先不知道测试样本是怎样的，只能选择更好的训练误差。但是在训练中所得到的精度为1的学习器是否为最佳选择呢？答案是否定的，当学习器的精度太高时就很可能造成一个容易...
2018-02-27 19:58:31
318
原创 参数更新
学习损失函数（Softmax或SVM）我们知道可以通过其计算出的损失值来评估一个权重矩阵对数据集的拟合能力。损失函数的公式为 对于一个图像xi，如果我们的预测与正是情况所符合，那么损失值就会很低甚至为0，但是初始权重所得到的损失值都很高，如何降低损失只则成为了最重要的部分。蒙眼徒步者的比喻：一个有助与我们理解的比喻就是把我们想象成一个蒙眼的徒步者，我们的目标就是走到山地，在cifar-10中的数据...
2018-02-27 19:49:37
889
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