机器学习中的技术细节
zlzlzl8951
这个作者很懒,什么都没留下…
展开
-
范数正则化L0、L1、L2-岭回归&Lasso回归(稀疏与特征工程)
转载自:http://blog.csdn.net/sinat_26917383/article/details/52092040一、正则化背景 监督机器学习问题无非就是“minimizeyour error while regularizing your parameters”,也就是在规则化参数的同时最小化误差。最小化误差是为了让我们的模型拟合我们的训练数据,而规则化参数是防止我...转载 2018-09-12 20:16:06 · 527 阅读 · 1 评论 -
生成模型和判别模型
转自:https://blog.csdn.net/u012101561/article/details/52814571 生成模型(Generative Model)是相对于判别模型(Discriminative Model)定义的。他们两个都用于有监督学习。监督学习的任务就是从数据中学习一个模型(也叫分类器),应用这一模型,对给定的输入X预测相应的输出Y。这个模型的一般形式为决...转载 2018-09-13 10:26:34 · 3472 阅读 · 1 评论 -
机器学习性能评估指标——精确率、召回率、ROC、AUC
转自:https://blog.csdn.net/u012089317/article/details/52156514实际上非常简单,精确率是针对我们预测结果而言的,它表示的是预测为正的样本中有多少是对的。那么预测为正就有两种可能了,一种就是把正类预测为正类(TP),另一种就是把负类预测为正类(FP)。 P = TP/(TP+FP)而召回率是...转载 2018-09-13 10:39:54 · 274 阅读 · 0 评论 -
【机器学习中的技术细节】优化器的比较
参见博客:https://blog.csdn.net/weixin_40170902/article/details/80092628 https://www.cnblogs.com/shixiangwan/p/7532830.html原创 2018-09-25 19:44:38 · 227 阅读 · 0 评论 -
【机器学习中的技术细节】机器学习常见的损失函数
参见博客:https://blog.csdn.net/heyongluoyao8/article/details/52462400转载 2018-09-25 20:10:19 · 174 阅读 · 0 评论 -
【机器学习中的技术细节】机器学习中常见的激活函数比较
本文转自:https://blog.csdn.net/u011584941/article/details/71534828常用激活函数比较 本文结构:什么是激活函数 为什么要用 都有什么 sigmoid ,ReLU, softmax 的比较 如何选择 1. 什么是激活函数如下图,在神经元中,输入的 inputs 通过加权,求和后,还被作用了一个函数,这个函数就是激活...转载 2018-09-25 20:47:29 · 350 阅读 · 0 评论 -
【机器学习中的基础知识】梯度消失与梯度爆炸问题
参见博客:https://blog.csdn.net/qq_25737169/article/details/78847691转载 2018-09-25 21:08:10 · 172 阅读 · 0 评论 -
Gram矩阵简单解释
转载自博客:https://blog.csdn.net/wangyang20170901/article/details/790378671、Gram矩阵的定义2、意义 格拉姆矩阵可以看做feature之间的偏心协方差矩阵(即没有减去均值的协方差矩阵),在feature map中,每个数字都来自于一个特定滤波器在特定位置的卷积,因此每个数字代表一个特征的强度,而Gram计...转载 2018-10-16 15:32:19 · 4799 阅读 · 0 评论