2021年2月19日
损失函数
摘要： 损失函数就是来衡量模型的输出与真实值之间的差距，我们试图减小这个差距以达到训练模型的目的。因此，当损失函数比较大时，希望梯度也比较大。 回归：定量分析，预测连续类数量的任务 分类：定性分析，预测离散类标签的任务 回归问题 mean_squared_error（均方误差） 均方误差损失（简称MSE）是 阅读全文
posted @ 2021-02-19 17:20 CHOEYEOM 阅读(130) 评论(0) 推荐(0)
sklearn数据集分类
摘要： 数据分类目标：获得在新样本中表现良好的学习模型 做法：在训练样本中尽量学习适用于所有潜在样本的普遍规律 过拟合：把训练样本中的一些特点当作了所有潜在样本的一般特性，使得泛化能力降低。原因：学习率过高 欠拟合：对训练样本中的一般性质未得到良好的学习。解决方法：在学习中扩展分支、增加训练的轮数。 我们将 阅读全文
posted @ 2021-02-19 17:16 CHOEYEOM 阅读(98) 评论(0) 推荐(0)
激活函数
摘要： 在最初的感知模型中，输入和输出的关系： 只有单纯的线性关系，当很多这样结构的网络层叠加，输入和输出还是线性的，无法处理非线性的输入和输出。因此我们可以将这个输入结果加到一个非线性函数中（激活函数）中，来进行非线性转化。 Sigmoid激活函数 当网络层数较少的时候，可以很好的满足激活函数的作用。可以 阅读全文
posted @ 2021-02-19 17:11 CHOEYEOM 阅读(66) 评论(0) 推荐(0)