随笔分类 -  正则化方法

L1和L2 详解(范数、损失函数、正则化)
摘要：一、易混概念 对于一些常见的距离先做一个简单的说明 1.欧式距离 假设X和Y都是一个n维的向量，即X=（x1,x2,x3,…xn），Y=（y1,y2,y3,…yn） 则欧氏距离：D(X,Y)=∑i=1n(xi−yi)2 2.L 阅读全文
posted @ 2019-12-25 17:25 suwenyuan 阅读(6224) 评论(0) 推荐(2) 编辑
dropout解析--缓解过拟合
摘要：一、dropout的提出和原理 在2012年，Hinton在其论文《Improving neural networks by preventing co-adaptation of feature detectors》中提出Dropout，目的是为了缓解模型的过拟合。 co-adaptation：在 阅读全文
posted @ 2018-05-30 20:28 suwenyuan 阅读(793) 评论(0) 推荐(0) 编辑

点击右上角即可分享
微信分享提示