摘要： 输入归一化 1，对每个特征零均值化 2，对每个特征归一化方差 注意：训练集和测试集要使用相同的均值和方差去归一化。 原本狭长的优化函数，要找到最小值，需要设置较小的学习率，并且进行多次迭代；而归一化以后变的更加圆，便于更加直接找到最小值，减少迭代次数。如图： 阅读全文

摘要： 所有的正则化方法来自于吴恩达老师的免费公开课：https://mooc.study.163.com/learn/2001281003?tid=2001391036#/learn/content?type=detail&id=2001701045 1.矩阵L2正则化(Frobenius范数)，有时也称 阅读全文

摘要： Error | 误差 Bias | 偏差 – 衡量准确性 Variance | 方差 – 衡量稳定性 首先我们通常在实际操作中会直接用错误率或者与之对应的准确率来衡量一个模型的好坏，但是更加准确的做法是误差衡量时综合考虑偏差和方差的共同作用。 所谓偏差Bias反映的是模型在样本上的输出与真实值之间的 阅读全文

摘要： 两个重点： 一.举个例子，如果建立一个图像识别的数据集，你的训练集和你的训练验证集是从网上爬下来的(也就是说这些图片的大小、像素、后期制作都可能很精美)，你真正的测试集是用户的手机上传(不同的手机、环境、光线、时间等等会造成不同的效果) 这两个集合必定不是同分布的，虽然在transfer learn 阅读全文

摘要： 1.初始化 2.前向传播 导数比较好理解 3.反向传播 全符号积分的推导看得我头有点晕 最后唤起我依稀的线代回忆 感谢吴恩达老师的反向传播讲解，第一遍看的有点晕，然后仔细看了一下又找了个B站的推导就懂了： 吴恩达老师原讲解：https://mooc.study.163.com/learn/20012 阅读全文

摘要： 感谢两位老师做的免费公开课： 第一个是由吴恩达老师放在网易云课堂的神经网络和深度学习，比较偏理论，使用numpy包深入浅出的介绍了向量版神经网络的处理方式，当然由于视频有点老，虽然理论很好但是工具有点滞后，这是英文授课但是有全部中文字幕 https://mooc.study.163.com/lear 阅读全文

摘要： trainData['survey_time'] = pd.to_datetime(trainData['survey_time'],format = '%Y/%m/%d %H:%M') trainData['survey_time'] = trainData['survey_time'].dt.y 阅读全文

摘要： 首先依托于一个场景来进行可视化分析 直接选了天池大数据竞赛的新人赛的一个活跃题目 用的方式也是最常用的数据预处理方式 【新人赛】快来一起挖掘幸福感！https://tianchi.aliyun.com/competition/entrance/231702/introduction 既然是data 阅读全文

摘要： 一：sougou输入法安装 详情参考：https://blog.csdn.net/xin17863935225/article/details/82285177 注意切换成fcitx架构 因为linux的中文输入都是基于小企鹅架构的 二：cuda和cudnn安装 参考了：https://blog.c 阅读全文

摘要： 因为要上手深度学习的原因，购置了一台RTX2080TI+ubuntu18.04的机器 例行两条命令 sudo apt-get update sudo apt-get upgrade 开启巨坑第一天，以前只在虚拟机上用过ubuntu，今天开箱之后因为用户名和主机名的问题我重装了ubuntu，问题一，参 阅读全文