陈柯成

摘要： 过拟合： 真实的应用中，并不是让模型尽量模拟训练数据的行为，而是希望训练数据对未知做出判断。 模型过于复杂后，模型会积极每一个噪声的部分，而不是学习数据中的通用 趋势。当一个模型的参数比训练数据还要多的时候，这个模型就可以记忆这个所以训练数据的结果，而使损失函数为0. 避免过拟合的常用方法：正则化。 阅读全文

摘要： 1 import tensorflow as tf 2 from tensorflow.examples.tutorials.mnist import input_data 3 4 '''数据下载''' 5 mnist=input_data.read_data_sets('Mnist_data',one_hot=True) 6 #one_hot标签 7 8 ''... 阅读全文

摘要： 线性拟合的思路： 线性拟合代码： 神经网络拟合二次函数（带噪声） 代码： 补充知识 ： 1.tf.random.uniform() 符合均匀分布 tf.random.normal() 符合正太分布 2.np.newaxis补充知识 ： import numpy as npa=np.array([1, 阅读全文