- 博客(7)
- 资源 (1)
- 收藏
- 关注
RSS订阅转载 机器学习中正则化项L1和L2的直观理解
正则化（Regularization）机器学习中几乎都可以看到损失函数后面会添加一个额外项，常用的额外项一般有两种，一般英文称作ℓ1ℓ1-norm和ℓ2ℓ2-norm，中文称作L1正则化和L2正则化，或者L1范数和L2范数。L1正则化和L2正则化可以看做是损失函数的惩罚项。所谓『惩罚』是指对损失函数中的某些参数做一些限制。对于线性回归模型，使用L1正则化的模型建叫做Lasso回归，使用L2正则化的...
2018-06-21 00:14:24
199
转载 一文看懂25个神经网络模型
1. 引言在深度学习十分火热的今天，不时会涌现出各种新型的人工神经网络，想要实时了解这些新型神经网络的架构还真是不容易。光是知道各式各样的神经网络模型缩写（如：DCIGN、BiLSTM、DCGAN……还有哪些？)，就已经让人招架不住了。因此，这里整理出一份清单来梳理所有这些架构。其中大部分是人工神经网络，也有一些完全不同的怪物。尽管所有这些架构都各不相同、功能独特，当我在画它们的节点图时……其中潜...
2018-06-01 16:29:25
538
转载 集成学习
集成学习这篇博客是在学习集成学习时总结多篇博客和文章，再加上自己一些看法和补充的结果。具体参考的博客和文章见文末参考文献。集成学习概述集成学习(Ensemble learing)是使用一系列学习器进行学习，并使用某种规则把各个学习结果进行整合从而获得比单个学习器效果更好的一种机器学习方法。对于训练数据，我们通过若干个个体学习器，通过一定的聚合策略，就可以形成一个强学习器，以达到博采众长的目的。也就...
2018-05-18 20:24:33
1454
转载 常见边界提取算子
一、边缘的重要性 边缘在图像处理中的重要性不言而喻。当前AI最高端技术莫过于深度学习，而图像方面的深度学习建模所需要的特征，很多是从边缘为起点，不断向上构成更高层次的特征描述。我们来看下例子，此例摘自zouxy09关于深度学习的一篇文章（ Deep Learning（深度学习）学习笔记整理系列）： 1995 年前后，Bruno Olshausen和 David F...
2018-05-08 16:16:21
7879
转载 利用matlab求图像均值和方差的几种方法
1. 求图像的均值close all;clear;clc;i=imread('d:/lena.jpg'); %载入真彩色图像路径i=rgb2gray(i); %转换为灰度图i=double(i); %将uint8型转换为double型，否则不能计算统计量[m,n]=size(i);s=0;for x=1:m for y=1:n s=s+i(x,y); %求像素值总和 s ，...
2018-05-07 16:55:03
22493
4
转载 向量点乘（内积）和叉乘（外积、向量积）概念及几何意义解读
向量是由n个实数组成的一个n行1列（n*1）或一个1行n列（1*n）的有序数组；向量的点乘,也叫向量的内积、数量积，对两个向量执行点乘运算，就是对这两个向量对应位一一相乘之后求和的操作，点乘的结果是一个标量。点乘公式对于向量a和向量b： a和b的点积公式为：要求一维向量a和向量b的行...
2018-05-04 17:32:32
424
转载 Matlab-SVM分类器
支持向量机（Support Vector Machine，SVM)，可以完成对数据的分类，包括线性可分情况和线性不可分情况。 1、线性可分 首先，对于SVM来说，它用于二分类问题，也就是通过寻找一个分类线(二维是直线，三维是平面，多维是超平面）可以将数据分为两类。 并用线性函数f(x)=w·x +b来构造这个分类器(如下图是一个二维分类线） 其中，w是权重向量，x为训练元组（X=(x1,x2…x...
2018-04-24 16:44:28
714
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人