- 博客(9)
- 资源 (1)
- 收藏
- 关注
RSS订阅原创 【深度学习】CNN-原理
CNN原理1CNN步骤1）卷积层通过filter（模板）与input（输入）进行卷积，获得卷积层输出。2）池化层通过池化(pooling)，将卷积层的输出变成一个固定长度的向量。常用的池化为1-max，最大、最小、平均等。3）利用固定长度的向量即可通过常规的分类、回归模型进行分类、回归。如softmax、logistic regression。 CNN的结构图如下。
2017-05-25 11:15:03
738
原创 聚类
聚类1 聚类的类型K-means、高斯混合聚类、密度聚类、层次聚类等等它们的聚类结果略有不同。如下图： K-means聚类结果高斯混合聚类结果密度聚类结果密度聚类概念层次聚类结果 2 高斯混合聚类通过K个高斯分布按一定比例混合而成，一个高斯分布代表一个
2017-05-25 10:04:16
1168
原创 L1和L2正则化
L1和L2正则化L1与L2正则化都是防止模型过拟合，其方式略有不同。具体请见下文。1 L1正则化L1正则化（1范数）是指，各权值（变量、特征）绝对值之和。其作用是产生权值的稀疏模型，也就是让大部分权值为0.为什么能产生权值稀疏模型？因为如下图所示，各权值绝对值之和后得到一个矩阵，很容易在矩阵的顶点位置使得目标函数为极值，此时大部分权值就为0。适用场景：线性回归2
2017-05-24 14:50:39
444
原创 【Spark系列】Scala语法——case
1 case classcase class作用：1）模式匹配；2）不用new创建对象，直接用工厂模式创建。
2017-05-24 10:48:09
487
原创 ROC与AUC的计算
ROC全称是“受试者工作特征”（Reciver Operating Characteristic）曲线。AUC，曲线下面积（Area Under Curve）。ROC的计算过程：各梯度面积相加
2017-05-24 09:56:48
450
转载 【深度学习】CNN-卷积概念
卷积运算(Convolution)是通过两个函数f 和g 生成第三个函数的一种数学算子，表示函数f 与经过翻转和平移与g 的重叠部分的累积。如果将参加卷积的一个函数看作区间的指示函数，卷积还可以被看作是“滑动平均”的推广。假设: f(x),g(x)是R1上的两个可积函数，并且积分是存在的。这样，随着 x 的不同取值，这个积分就定义了一个新函数h(x)，称为函数f 与g 的卷积，记为h(x)＝(
2017-05-23 16:19:03
433
原创 激活函数种类与区别
1 激活函数类别（1）tanh（/ˈtænʃ/）双曲正切 tanh=sinh/cosh=(ex-e-x)/(ex+e-x)（2）sigmoidf(x)=1/(1+e-(wx+b))（3）Relu(读re路)rectified linear unit (ReLU)f(x)=max(0,x)2 sigmoid、tanh与Relu区别（1）sigmoid函数。这是传...
2017-05-03 15:32:21
1293
原创 Storm如何保证消息的可靠处理
Storm如何保证消息的可靠处理 Spout通过ack/ fail机制，处理bolt失败或成功的tuple。通常bolt通过output Collecter抛出fail或当tuple超时未处理，都会激发Spout的fail功能，在fail函数上可设置具体的操作，比如重发tuple。
2017-05-03 14:19:22
273
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人