摘要：
在前面的学习中,已经学习了最基本的神经网络搭建过程，现在来总结一下，将神经网络的搭建形成模块化。 前向传播：由输入到输出，搭建完整的网络结构 。即搭建模型的计算过程，可以根据输入给出相应的输出。 描述前向传播的过程需要定义三个函数 1. def forward(x, regularizer): w= 阅读全文
摘要：
其中，data_list1：1行7列，data_list2：1行7列，data_list1：1行5列， 结果如下 简单地总结一下用法就是： np.r_是按行连接两个矩阵，就是把两矩阵上下相加，要求列数相等。 np.c_是按列连接两个矩阵，就是把两矩阵左右相加，要求行数相等。 np.r 要求行数相等, 阅读全文
摘要：
超参数：在机器学习中，超参数是在开始学习过程之前定义的参数，而不是通过训练得到的参数； 过拟合：神经网络模型在训练数据集上的准确率较高，但此模型在新的数据进行预测或分类时准确率较低，则说明这个模型的泛化能力差。 正则化：在损失函数中给每个参数 w 加上权重，引入模型复杂度指标，从而抑制模型噪声，减小 阅读全文