表示学习即做各种特征工程
评估表示学习的方法:有以下几点
A.平滑性,损失函数最好是平滑函数可求导优化
B.多特征表示: 可以把输出层分成若干类,每一类表示一个特征,这样通过只改变其中的部分参数就可改变指定的输出结果。
可解释性增强。
C. 层次结构:
底层的信息可以迁移学习另一个神经网络。
D. 迁移学习:有迁移能力
E. 低维性特征:
时间空间一致性:即随着时间推移,变化不要太大。比如用户的购买商品的种类,
稀疏性可以使模型有更好的解释性:
表示学习即做各种特征工程
A.平滑性,损失函数最好是平滑函数可求导优化
B.多特征表示: 可以把输出层分成若干类,每一类表示一个特征,这样通过只改变其中的部分参数就可改变指定的输出结果。
可解释性增强。
C. 层次结构:
底层的信息可以迁移学习另一个神经网络。
D. 迁移学习:有迁移能力
E. 低维性特征:
时间空间一致性:即随着时间推移,变化不要太大。比如用户的购买商品的种类,
稀疏性可以使模型有更好的解释性: