以下内容都是最直觉的解释,直击重点的同时忽略了很多具体细节。
蒙特卡洛方法-强化学习
先随机跑一些结果,之后的算例挑之前这些结果中最好的值来跑。
mini batch
大数据集随机均分成n个小数据集分别跑。
bootstrap
相当于先算mini batch,再算所有batch的统计结果,如平均。
standard hard negative mining
每次分类错的结果放回训练集再训练
以下内容都是最直觉的解释,直击重点的同时忽略了很多具体细节。
蒙特卡洛方法-强化学习
先随机跑一些结果,之后的算例挑之前这些结果中最好的值来跑。
mini batch
大数据集随机均分成n个小数据集分别跑。
bootstrap
相当于先算mini batch,再算所有batch的统计结果,如平均。
standard hard negative mining
每次分类错的结果放回训练集再训练