- 博客(3)
- 收藏
- 关注
RSS订阅原创 深度学习可能出现的问题
1.深度网络中防止过拟合的措施： 什么是过拟合？ 过拟合是指在模型参数拟合过程中的问题，由于训练数据包含抽样误差，训练时，复杂的模型将误差也考虑在内，将抽样误差也进行了很好的拟合。 产生原因：训练数据不够、迭代学习次数足够多 解决方法： early stopping 在每一次Epoch结束时(一个Epoch集为对所有的训练数据的一轮遍历)计算验证数据集的准确度，当准确度不再提高时，就停止训练。...
2020-03-19 15:54:12
832
1
原创 机器学习常用方法
1.回归算法： 逻辑回归 线性回归 2.神经网络： 3.SVM支持向量机（分类） 核函数 可以将低维的空间映射到高维的空间 4.聚类算法（无监督式学习） 将数据从高维降低到低维层次 5.推荐算法 6.决策树 7.朴素贝叶斯： 使用概率给出一组特征来预测一个类 监督式学习：线性回归、逻辑回归、神经网络、SVM 无监督学习算法：聚类算法，降维算法 有监督学习方法必须要有训练集和测试样本。在训练集中找...
2020-03-16 17:21:04
363
原创 学习SVM心得
学习SVM心得 SVM 支持向量机 不属于神经网络 可以把他当作是一个隐含层的模型 而深度学习拥有多层隐含层的结构 简单的来说，SVM就是个分类器， SVM的目的：寻找到一个超平面使样本分成两类，并且间隔最大，这个平面的系数就是我们要得到的 数学公式： max（1/|w|） 这种图形无法计算曲线方程 于是引入了一个新的概念：核函数。他可以将样本从原始空间映射到一个更高维的特质空间中，使得样本...
2020-03-16 15:27:50
811
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