![](https://img-blog.csdnimg.cn/20201014180756930.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
神经网络
草莓甜Swag
这个作者很懒,什么都没留下…
展开
-
吴恩达机器学习笔记——机器学习系统设计
对应吴恩达机器学习网易云课程第12章的内容。 误差分析当我们研究一个机器学习问题时,我们可以先建立一个简单模型,然后画出学习曲线得到优化方案,或者可以采用人工的误差分析,查看被误判的对象,总结出新的特征,制定出新的方案。同时,我们可以在验证集上量化错误率,取舍优化方案。以垃圾邮件的识别为例,我们可以选出垃圾邮件或非垃圾邮件出现频率最高的一些词,然后构建对应的向量,用0/1代表是...原创 2019-02-14 18:01:06 · 183 阅读 · 0 评论 -
吴恩达机器学习笔记——支持向量机
对应吴恩达机器学习网易云课程第13章的内容。在监督学习方面,与神经网络和逻辑回归相比,支持向量机在学习复杂的非线性方程时有很大的优势。SVM优化目标 支持向量机的优化目标:支持向量机的优化目标表达式是从逻辑回归改进而来的。在cost函数中,在y=0和y=1时使用两条直线来代替曲线,分别得到的两个表达式我们定为和。进而我们将最小值表达式乘m,使用新的权重表示变量C代替原有的。得到SV...原创 2019-02-14 21:27:58 · 303 阅读 · 0 评论 -
吴恩达机器学习笔记——非线性假设与神经网络
是对应网易云课程吴恩达机器学习第九章的笔记。线性假设的弊端当涉及的特征变量较多时,线性假设表现出它的弊端。以逻辑回归为例,特征空间迅速膨胀,运算量过大、即使仅考虑2阶式子也过于复杂(仅考虑二次项也是n*(n+1)/2个特征)、同时容易过拟合。因此,我们引入神经网络。神经网络相关术语偏置单元或偏置神经元:输入的向量 对应一组输入节点,其中有时被称为偏置单元或偏置神经元,因为它恒等...原创 2019-02-11 21:47:33 · 575 阅读 · 0 评论 -
吴恩达机器学习笔记——参数的反向传播算法与神经网络的整体实现
是对应网易云课程吴恩达机器学习第十章的笔记。在这一章,我们想要学习一个给定训练集,确定神经网络参数的算法。首先我们先从确定参数的代价函数说起。代价函数相关参数:L:神经网络的层数 :第j层神经网络的神经元数目,不包括偏置。:输出神经元的数目。 二分类输出层设置一个神经元即可。K>=3时,我们输出的将是一个K维向量,输出神经元数目也为K。 由逻辑回归得到的多层神经网络的代...原创 2019-02-12 21:50:02 · 603 阅读 · 0 评论 -
吴恩达机器学习笔记——由方差和偏差改进神经网络
对应吴恩达机器学习网易云课程第11章的内容。 改进方案的设计对于在新样本测试下拟合结果和实际偏差较大的情况,应该如何改进呢?搜集更多的训练样本,多渠道多种类,但实际上很多情况下是于事无补的。 尝试使用更少的特征,防止过拟合。 获取更多特征。 增加多项式特征,如。 修改的值,上下浮动。评估假设通常训练集70%,测试集30%,最好采用随机顺序构造你的数据。 线性回归的测...原创 2019-02-13 20:31:52 · 296 阅读 · 0 评论 -
吴恩达机器学习笔记——照片OCR
照片OCR流水线照片OCR是一种可以识别图片中的文字内容的技术。照片OCR的流水线可以分为三步:文本识别 字符分割 字符分类识别文本识别给定一组正负样本进行模型训练,从照片中识别出可能是文字的区域,在结果图中,灰度越低,说明判断为文本的概率越大。去除掉一些形状不合理的部分。使得预判为文本的地方扩大、相连。滑动窗口使用一个以一定步长移动的框,对框住的区域使用...原创 2019-02-19 15:43:20 · 317 阅读 · 0 评论 -
吴恩达机器学习笔记——获取大量数据与人工数据
更多训练样本的取得我们可以通过对已有的真实数据集拉伸扭曲、增加噪声的引入失真方式创造更多衍生数据集。也可以利用一些工具创造数据集,如下载各种字体人工随机放置在不同背景中。使用众包平台。大量数据生效的前提而保证工具的可用性,除了提高数据集的数目,还应该预先保证模型本身的低偏差。我们可以通过绘制学习曲线的方式检查分类器以保证我们拥有一个低偏差、高方差的分类器。如果偏差较高,...原创 2019-02-19 16:09:32 · 313 阅读 · 0 评论