自定义博客皮肤VIP专享

*博客头图:

格式为PNG、JPG,宽度*高度大于1920*100像素,不超过2MB,主视觉建议放在右侧,请参照线上博客头图

请上传大于1920*100像素的图片!

博客底图:

图片格式为PNG、JPG,不超过1MB,可上下左右平铺至整个背景

栏目图:

图片格式为PNG、JPG,图片宽度*高度为300*38像素,不超过0.5MB

主标题颜色:

RGB颜色,例如:#AFAFAF

Hover:

RGB颜色,例如:#AFAFAF

副标题颜色:

RGB颜色,例如:#AFAFAF

自定义博客皮肤

-+
  • 博客(4)
  • 收藏
  • 关注

原创 DoE复习笔记

DoE复习笔记Analysis procedure of one-way experimentAnalysis procedure of one-way experimentCalculate the correction termCompute the total sum of squares.Calculate the variation of the factor.Calculate the variation of the errorCreate an analysis of vari

2020-12-08 16:18:01 166

原创 卷积层大小公式

卷积层大小公式搭建网络时总是忘记卷积层相关公式,现记录下,以后方便复习N为卷积核大小,F为原图大小N为卷积核大小,F为原图大小N为卷积核大小,F为原图大小OutputSize=(N−F)/stride+1 Output Size=(N-F) / stride +1 OutputSize=(N−F)/stride+1OutputSize=(N−F+Padding)/stride+1 Output Size =(N-F+Padding)/stride+1OutputSize=(N−F+Padding)/st

2020-11-19 16:18:00 251

原创 交叉熵函数原理

交叉熵函数交叉熵函数信息量熵相对熵(KL散度)交叉熵交叉熵函数信息量一个信息的信息量取决于该消息对应事件发生概率的大小。或者说信息量是用来消除****随机不确定性的东西,衡量信息量的大小在于该信息消除不确定性的程度例:对于事件A,如果P(A)=1P\left ( A \right ) = 1P(A)=1,信息(A事件发生了)没有消除任何不确定性,则该信息量为0如果事件B的发生概率很小,则信息(B事件发生了)消除了很大的不确定性,该信息量也很大假设XXX是一个离散型随机变量,其取值的集合为ϕ\p

2020-11-18 15:55:31 224

原创 机器学习指标

机器学习指标概述分类器评估指标混淆矩阵指标详解准确率 - Accuracy精确率 - Precision召回率(查全率) - RecallF1分数AUC曲线,ROC曲线灵敏度,特异度,真正率,假正率ROC曲线概述分类问题(单项)分类问题(综合)回归问题准确率-accuracyF1分数MAE精确率-precisionROC曲线MSE召回率-RecallAUC曲线分类器评估指标对于二分类问题,可以根据真实类别和分类器的预测类别划分为真正例(TP):预

2020-11-13 10:43:03 266

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

提示
确定要删除当前文章?
取消 删除