![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
笔记
大头鹅鹅鹅
这个作者很懒,什么都没留下…
展开
-
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原创 2020-08-23 21:55:55 · 5005 阅读 · 1 评论 -
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...原创 2020-08-23 21:52:10 · 1078 阅读 · 0 评论 -
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.原创 2020-08-02 18:41:23 · 260 阅读 · 0 评论