子永

分类

html学习笔记(12) opencv(1) Python3+opencv 笔记(31) 其它(1) 文献阅读(1) 树莓派学习笔记(4) 爬虫(1) 读书笔记(44)

/ 注册

全部文章（共95篇）

《神经网络与深度学习》3.1读书笔记

第三章线性模型线性模型的预测值的范围为全体实数，对于分类问题，我们需要将实数域使用一个判别函数转换为离散的类型。判别函数思考一个问题，如果实际类别的分布如何并不是均匀分布的，使用上面的那种判别函数是否合理。3.1线性判别函数和决策边界二分类问题这类的分类问题只有两类需要划分的标签。...

2020-12-20

0 343

《神经网络与深度学习》2.8读书笔记

2.8.1 PAC(可能近似正确 Probably Approximately Correct) 降低对学习算法的期望，只要求学习算法可以以一定的概率学习到一个近似正确的假设，即PAC学习一个PAC 可学习（PAC-Learnable）的算法是指该学习算法能够在多项式时间内从合理数量的训练数据中...

PAC OR UDT nfl IB

2020-12-14

1 631

《神经网络与深度学习》2.7 读书笔记

2.7 评价指标为了衡量一个机器学习模型的好坏，需要给定一个测试集，用模型对测试集中的每一个样本进行预测，并根据预测结果计算评价分数。准确率错误率对于类别𝑐来说，模型在测试集上的结果可以分为以下四种情况：类别为c 判定为c : -> T...

评价指标

2020-12-05

0 396

《神经网络与深度学习》读书笔记

2.6数据的特征表示传统的数据特征如果直接表示出来，一方面，特征数目比较多，对模型的要求高；另一方面也存在着许多的缺点：特征之间冗余度比较高不是所有的特征都有用很多特征异变特征中存在噪声为解决上面的问题，引入了特征学习特征学习：让机器自动的学习出有效的特征。优点：特征学习可以...

数据的特征表示

2020-11-29

0 489

《神经网络与深度学习》读书笔记

2.5 机器学习的算法类型按照训练样本提供的信息以及反馈方式不同可分为监督学习训练集的样本必须包含标签可以按照标签的不同划分为不同回归分类结构化学习无监督学习从不包含目标标签的样本中自动学习到一些有价值的信息常用的无监督学习有：聚类密度估计特征学习降维 ...

2020-11-22

0 442

《神经网络与深度学习》读书笔记

2.4 偏差-方差分解拟合能力强的模型一般复杂度会比较高，容易导致过拟合。相反，如果限制模型的复杂度，降低其拟合能力，又可能会导致欠拟合。偏差（Bias），是指一个模型在不同训练集上的平均性能和最优模型的差异，可以用来衡量一个模型的拟合能力。方差（Variance），是指一个模型在不同训练集...

方差-偏差优化算法过拟合

2020-11-18

0 489

《神经网络与深度学习》读书笔记

2.3机器学习的简单示例——线性回归线性回归（Linear Regression）是机器学习和统计学中最基础和最广泛应用的模型，是一种对自变量和因变量之间关系进行建模的回归分析．自变量数量为1时称为简单回归，自变量数量大于1时称为多元回归。通俗化的理解 f = ax+b 我们知道一定数量的（...

线性回归

2020-11-07

0 395

文献图片

2020-11-07

0 359

《神经网络与深度学习》读书笔记

第二章机器学习概述 2.1 基本概念芒果的特征包括颜色、大小、形状、产地、品牌等。芒果的标签例如水分甜度成熟度等的综合打分也可以是好、坏这样的离散值。一个标记好特征以及标签的芒果看作一个样本。一组样本构成的集合称为数据集：一般分为训练集和测试集：训练集中的样本用来训练模型，测试集中...

损失函数优化算法过拟合

2020-11-01

0 384

《神经网络与深度学习》读书笔记

1 表示学习为了提高机器学习系统的准确率，我们就需要将输入信息转换为有效的特征，或者更一般性地称为表示．如果有一种算法可以自动地学习出有效的特征，并提高最终机器学习模型的性能，那么这种学习就可以叫作表示学习。在表示学习中，有两个核心问题：一是“什么是一个好的表示”；二是“如何学习到好的表示”。...

深度学习神经网络

2020-10-25

0 836