- 博客(4)
- 收藏
- 关注
RSS订阅原创 四种线性分类模型
线性分类模型1 回归和分类的区别2 四种线性分类模型2.1 logistic模型（二分类）2.1.1logistic模型原理2.1.2怎么求参数softmax模型（多分类）感知器支持向量机记录第三章的碎碎念。1 回归和分类的区别首先来阐述一下分类和回归的区别！（1）分类：是给定一组数据，通过训练集得到它所对应的类别，是对离散变量的预测。（2）回归：给定一组连续的数据，得到输出值，是对连续变量的预测。通过一个例子来理解，特征是房屋面积，朝向，层数，输出值为房屋价格，有一组新的面积朝向层数是已知数据
2020-08-23 21:55:55
5040
1
原创 CNN 卷积神经网络 chap-5 学习笔记
FNN与CNN有哪些区别在 FNN 部分所推导的正则化技巧方面，我们将会观察需要对 CNN 做出哪些修改？FNN:常规前馈神经网络 该网络不考虑输入数据可能具备的任何特定结构。CNN:卷积神经网络，是一种深层前馈神经网络。二级目录三级目录...
2020-08-23 21:52:10
1093
原创 机器学习模型介绍
这是我的第一篇博客，记录一下我的碎碎念首先区分线性回归模型、广义线性模型、混合线性模型（非线性回归模型）。a.无论线性回归模型还是广义线性模型都可以用曲线拟合样本b.分是否为线性模型，主要是看一个乘法式子中自变量x前的系数w,如果w只影响一个x，那么此模型为线性模型。或者判断决策边界是否是线性的举例：画出y和x是曲线关系，但是它是线性模型，因为x1*w1中可以观察到x1只被一个w1影响。此模型是非线性模型，观察到x1不仅仅被参数w1影响，还被w5影响，如果自变量x被两个以上的参
2020-08-02 18:50:04
371
原创 交叉熵
目录关于交叉熵在loss函数中使用的理解1.先谈谈信息量：由于是概率所以p(x0)p(x0)的取值范围是[0,1][0,1],绘制为图形如下：2.熵就是信息量的期望。3 相对熵（KL散度）相对熵又称KL散度,如果我们对于同一个随机变量 x 有两个单独的概率分布 P(x) 和 Q(x)，我们可以使用 KL 散度（Kullback-Leibler (KL) divergence）来衡量这两个分布的差异。在机器学习中，P往往用来表示样本的真实分布，比如[1,0,0]表示当前样本属于.
2020-08-02 18:41:23
268
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