![](https://img-blog.csdnimg.cn/20201014180756925.png?x-oss-process=image/resize,m_fixed,h_64,w_64)
模型训练
聊北辰同学
算法小白
展开
-
点云pcd转bin文件,已排坑,亲测有效!
点云pcd转bin文件!亲测有效!已排坑!原创 2022-07-16 21:22:55 · 1469 阅读 · 3 评论 -
【机器学习】K-means怎么确定K
K-means算法流程设置聚类中心数K从数据集中随机选取K个数据作为初始聚类中心对数据集中每个样本计算同聚类中心的距离,归入距离最小的类簇对更新的类簇分别计算新的聚类中心重复3-4,直到新的聚类中心到旧的聚类中心的距离小于某个阈值,或达到迭代次数上限那么K值如何选取呢?也就是如何估计类别数?直观选取:数据可视化,通过样本空间的分布确定大致类别数;定量分析:手肘法:随着聚类数k的增大,样本划分会更加精细,每个簇的聚合程度会逐渐提高,误差平方和SSE逐渐变小。流程就是原创 2020-11-21 22:10:43 · 5181 阅读 · 3 评论 -
【笔试面试】防止或减轻过拟合的方法
过拟合是指模型在训练集上表现很好,但是验证集和测试集上表现一般,泛化能力差。过拟合出现的可能原因:样本规模:样本数量太少、不足以覆盖业务场景噪声干扰:样本存在大量噪声,模型将噪声的特征也学到了模型能力:模型复杂度过高解决办法:对于样本较少的情况,可以考虑进行数据增强来生成一些数据,这样也可以减小噪声数据的占比正则化策略,在目标函数或者代价函数后面加上一个正则项。常见的有L1和L2正则化。 (左图为L1正则化,右图为L2正则化)L1正则化(拉普拉斯分布)是指权值向量WWW中各个原创 2020-11-21 21:58:46 · 632 阅读 · 1 评论