ML/DL算法
Oliver8459
这个作者很懒,什么都没留下…
展开
-
决策树、CART、随机森林、GBDT和XGBoost
q原创 2020-09-17 14:04:22 · 497 阅读 · 0 评论 -
深度学习笔记[更新中。。。]
防止过拟合的方法数据增广提前终止训练正则化Dropout梯度消失与梯度爆炸梯度消失神经网络有很多层,每个隐藏层都使用Sigmoid函数作为激活函数时,我们知道Sigmoid函数有一个缺点:当x较大或较小时,导数接近0;并且Sigmoid函数导数的最大值是0.25。假设现网络每层只有一个神经元,如果我们使用标准方法来初始化网络中的权重,那么会使用一个均值为0标准差为1的高斯分布。因此所有的权重通常会满足|wj|<1,而s‘是小于0.25的值,那么当神经网络特别深的时候,梯度呈指数级衰减原创 2020-06-19 10:28:01 · 2820 阅读 · 1 评论 -
人脸识别或多分类问题的性能评判指标——ROC曲线绘制
混淆矩阵TP(真阳)FP(假阳)FN(假阴)TN(真阴)ROC曲线在理解ROC曲线之前,我们需要知道FPR(False Positive Rate)和TPR(True Positive Rate):FPR=FP/(FP+TN),即预测为正样本(实际为负样本)占所有负样本的比例。TPR=TP/(TP+FN),即预测为正样本(实际为正样本)占所有正样本的比例。roc曲线:就是以FPR为横坐标,TPR为纵坐标,通过设定不同的阈值而绘制出许多坐标点,用这些坐标点拟合出一条曲线,原创 2020-05-29 15:17:22 · 2222 阅读 · 2 评论