神经网络
王木木呀!
这个作者很懒,什么都没留下…
展开
-
神经网络学习——梯度下降算法
梯度下降算法。神经网络的学习的目的是找到是损失函数的值尽可能效的蚕食,这是寻找最优参数的问题,解决这个问题的过程称为最优化。遗憾的是这个问题非常难。这是因为参数空间非常复杂,无法轻易找到最优解。而且,在深度神经网络中,参数的数量非常庞大,导致最优化的问题更加复杂。下面给出几种最优化算法的优缺点算法优点缺点SDG避免冗余数据的干扰,收敛速度加快,能够在线学习。更新值的方差较大,收敛过程会产生波动,可能落入极小值(卡在鞍点),选择合适的学习率比较困难(需要不断减小学习率)M原创 2020-11-19 16:19:12 · 960 阅读 · 0 评论 -
神经网络学习——预测鸢尾花的种类
[鸢尾花的种类]预测鸢尾花的种类Iris数据集在RA Fisher于1936年发表的经典论文《分类问题中的多重测量的使用》中使用,也可以在UCI中找到。它包括三个种类,每个种类有50个样本以及每朵花的一些特性。一种花可以与其他两种花是线性可分的,但是另两种不是线性可分的。如图目标分类预测鸢尾花的种类。进阶想办法在预测模型上提高精度说明给出导入数据的方式from sklearn.datasets import load_irisfrom sklearn.model_selecti原创 2020-11-05 20:07:38 · 2554 阅读 · 8 评论