ML（6）——改进机器学习算法
摘要：如何改进机器学习算法是个很大的话题，其中包含了众多的方法和概念，比如交叉验证、偏差与方差、学习曲线、数据倾斜、查准率和召回率等，理解了这些，才能对算法进行正确评估。
阅读全文
posted @ 2018-07-31 11:30
07 2018 档案
ML（5）——神经网络3（随机初始化与梯度检验）
摘要：反向传播算法很高效，但对梯度的求解异常繁琐，实际上，即使某处代码计算出错误的梯度，仍然会得到一个模型，尽管这个模型的J(Θ)很小，但对新数据的拟合非常差，此时不得不重新审视所有代码。是否可以从一开始就知道梯度是否正确呢？
阅读全文
posted @ 2018-07-17 17:33
ML（5）——神经网络2（BP反向传播）
摘要：BP算法(即反向传播算法)，适合于多层神经元网络的一种学习算法，它建立在梯度下降法的基础上。BP网络的输入输出关系实质上是一种映射关系：一个n输入m输出的BP神经网络所完成的功能是从n维欧氏空间向m维欧氏空间中一有限域的连续映射，这一映射具有高度非线性。它的信息处理能力来源于简单非线性函数的多次复合，因此具有很强的函数复现能力。这是BP算法得以应用的基础。
阅读全文
posted @ 2018-07-13 16:15
ML（5）——神经网络1（神经元模型与激活函数）
摘要：1997年世界上发生过两件大事，一是克隆羊多利诞生，另一件是IBM 电脑“深蓝”击败国际象棋世界冠军。就在这一年，我从一本电子游戏杂志上看到了一篇关于计算机不可能战胜职业围棋选手的文章。
二十年过去了，2016 年一月底，谷歌在自然杂志上正式公开发表论文，宣布其以深度学习技术为基础的电脑程序 AlphaGo，在 2015年 十月，连续五局击败欧洲冠军、职业二段樊辉。这是第一次机器击败职业围棋选手。
阅读全文
posted @ 2018-07-03 18:39
