机器学习
文章平均质量分 83
zero requiem
这个作者很懒,什么都没留下…
展开
-
机器学习——神经网络的网络调优
一、数据预处理标准化操作:首先各个特征减去其均值,相当于以原点对称,接下来再除以各自的标准差,让各个维度取值都统一在较小范围中。图像数据预处理操作:保证输入的大小规模都是统一的,例如都是32×32×3,如果各自大小不同,还需resize到统一规模,这点是必需的,因为在基本的神经网络中,所有参数计算都是矩阵相乘,如果输入不统一,就没法进行特征变换。不仅如此,通常图像数据的像素点取值范围是在0~255之间,看起来浮动比较大,可以使用归一化方法来把所有像素点值压缩到0~1之间。文本数据预处理操作:最起码要原创 2021-01-28 20:12:54 · 306 阅读 · 0 评论 -
机器学习——神经网络(反向传播)与整体框架
一、反向传播**前向传播:**从输入数据到计算损失的过程网络模型最终的结果完全是由其中的权重与偏置参数来决定的,所以神经网络中最核心的任务就是找到最合适的参数当确定损失函数之后,就转化成了下山问题。但是神经网络是层次结构,不能一次梯度下降就得到所有参数更新的方向,需要逐层完成更新参数工作。反向传播:在神经网络中,并不是所有参数的梯度都能一步计算出来,要按照其位置顺序,一步步进行传递计算,这就是反向传播由于网络层次的特性,在计算梯度的时候,需要遵循链式法则,也就是逐层计算梯度,并且梯度是可以传原创 2021-01-28 19:42:13 · 984 阅读 · 0 评论 -
机器学习——神经网络(前向传播)
一、概要基本上所有的机器学习问题都能用神经网络来解决,但可能存在过拟合问题,所以能用逻辑回归解决的问题没必要用神经网络。与其把神经网络当作一个分类或者回归算法,不如将他当成一种特征提取器,让机器更好的读懂输入的数据。二、图像识别与神经网络图像在计算机中是以一个三维数组或者矩阵(例如300×100×3)的形式存储在计算机中其中300×100代表一张图片的长和宽,3代表图像的颜色通道,例如经典的RGB,此时图像就是一个彩色图。如果颜色通道数为1,也就是300×100×1,此时图像就是一个黑白图。原创 2021-01-28 18:44:44 · 668 阅读 · 0 评论 -
机器学习-定义、分类、建模过程、数据划分
机器学习定义:自动从已有数据中找出一些规律,把学到的这些规律应用到对未来数据的预测中,或者在不确定环境下自动的做决策分类:监督学习:线性回归逻辑回归朴素贝叶斯神经网络SVM随机森林AdaboostCNN无监督学习:K-means 聚类PCA 协方差矩阵降维ICA 降维MF 矩阵分解降维 推荐系统LSALDA 分析主题生成模型:学习特点判别模型:学习区别监督学习无监督学习生成模型Naive BayesHMM模型、LDA,GMM判原创 2020-12-08 00:42:54 · 171 阅读 · 0 评论