07 2020 档案
摘要：1、非监督学习主要包括两大类学习方法：数据聚类和特征变量关联。聚类是通过多次迭代来找到数据的最优的分割，特征变量关联则是利用各种相关性分析方法来找到变量之间的关系。 分类：类别已知 聚类：是在不知道不知道类别标签的情况下，通过数据之间的内在关系，把样本分为若干类别，使得同类别样本之间的相似度高，不同
阅读全文
摘要：引自：https://www.cnblogs.com/zhoubindut/p/12142186.html 上篇文章中，我们就机器学习的相关基础概念进行了阐述，包括机器学习的基本概念以及机器学习的分类。不了解的童鞋可以看一下补补课,机器学习系列（一）——基础概念及分类。分类和回归问题作为典型的机器学
阅读全文
摘要：1、常见的降维的方法有：主成分分析，线性判别分析，等距映射，局部线性插入，拉不拉斯特征映射，局部保留投影。 一、PCA: 2、:主成分分析法，最经典的降维的方法，是一种线性，非监督，全局的降维方法。 最大方差理论： 3、PCA旨在找到数据中的主成分，用这些主成分表征原始数据，达到降维的目的。信号具有
阅读全文
摘要：深度学习中常用的优化器简介 引自：https://www.cnblogs.com/crackpotisback/p/9921931.html
阅读全文
摘要：引自：https://blog.csdn.net/qq_25737169/article/details/78847691
阅读全文
摘要：引自：https://www.seotest.cn/jishu/36125.html BN被广泛应用于深度学习的各个地方，由于在实习过程中需要修改网络，修改的网络在训练过程中无法收敛，就添加了BN层进去来替换掉LRN层，网络可以收敛。现在就讲一下Batch Normalization的工作原理。 B
阅读全文
摘要：一、评价指标的局限性 1、常用模型评价指标：准确率，精确率，召回率，均方根误差。 准确率=分类正确的样本数/总的样本数 精确率=将正类预测为正类数/将正类预测为正类数+将负类预测为正类数 召回率=将正类预测为正类数/将正类预测为正类数+将正类预测为负类数 均方根误差= 2、准确率的局限性：（1）、不
阅读全文
摘要：特征工程 一、特征归一化： （1）为什么对数值类型的特征做归一化： 1、是为了得到更加准确的结果，使各项指标处于同一数值量级或者统一到一个大致的数值区间内，以便进行分析。 2、不同数值特征的梯度下降的速度更加的一致，能更快的找到梯度下降的最优解。 （2）常用的数值特征的归一下的方法： 1、线性函数归
阅读全文
摘要：引自：https://zhuanlan.zhihu.com/p/147204568 方法主要有模型结构优化、模型剪枝、模型量化、知识蒸馏。 1、模型结构优化 总览各种深度学习模型，可以发现它们都是由一个个小组件组装而成，只是初期先把模型做大做强，后期落地遇到问题时，再瘦身优化。具体的优化方法依赖于具
阅读全文
摘要：引自：https://blog.csdn.net/weixin_43206570/article/details/84797361?utm_medium=distribute.pc_relevant.none-task-blog-BlogCommendFromMachineLearnPai2-1.n
阅读全文
摘要：引自：https://www.zhihu.com/question/57770020 作者：育心链接：https://www.zhihu.com/question/57770020/answer/249708509来源：知乎著作权归作者所有。商业转载请联系作者获得授权，非商业转载请注明出处。 机器学
阅读全文
摘要：引自：http://www.mamicode.com/info-detail-2716063.html 累乘中一个梯度小于1，那么不断累乘，这个值会越来越小，梯度衰减很大，迅速接近0。在神经网络中是离输出层近的参数，梯度越大，远的参数，梯度越接近0。根本原因是sigmoid函数的缺陷。 方法： 1、
阅读全文
摘要：引自：https://blog.csdn.net/baoyan2015/article/details/56016169?utm_source=blogxgwz0 随机森林 随机森林顾名思义，是用随机的方式建立一个森林，森林里面有很多的决策树组成，随机森林的每一棵决策树之间是没有关联的。在得到森林之
阅读全文
摘要：引自：https://blog.csdn.net/qq_16949707/article/details/82558852 现象通过神经网络生成的图片，放大了看会有棋盘格的现象混叠现象造成的，反卷积时，到stride和ksize 不能整除时，就会有这种现象，二维图像的时候更显著。神经网络虽然能学习，
阅读全文
摘要：引自：https://blog.csdn.net/u014451076/article/details/79156967 bilinear双线性插值是目前在语义分割中用的比较多的一种方式，比如FCN中就是用的这种方法。这种方法特点是不需要进行学习，运行速度快，操作简单。只需要设置好固定的参数值即可，
阅读全文
摘要：引自：https://www.cnblogs.com/Sweepingmonk/p/11584913.html 1. 应用范围 高维数据因为其计算代价昂贵（纬度高计算必然昂贵）和建立索引结构的困难（空间索引结构往往面临着“维度灾”），因此有对其进行数据压缩的需求，即对高维数据进行降维，傅里叶变换和小
阅读全文
摘要：引自：https://www.cnblogs.com/king-lps/p/8378561.html 5. 批量归一化（BN: Batch Normalization) 5.1 BN训练 1）随机梯度下降法（SGD）对于训练深度网络简单高效，但是它有个毛病，就是需要我们人为的去选择参数，比如学习率、
阅读全文
摘要：引自：https://blog.csdn.net/chenyuping333/article/details/82526440 https://www.cnblogs.com/zhhfan/p/10187634.html （1）LeNet：元老级框架，结构简单，却开创了卷积神经网络的新纪元，具有重要
阅读全文
摘要：引自：https://blog.csdn.net/EngineerHe/article/details/100126694 实现代码： import numpy as np def sigmoid(x): y=1/(1+np.exp(-x)) retunrn y def d_sigmoid(x):
阅读全文
摘要：计算机视觉任务主要分为：分类、检测、识别、定位四大类。 L1 loss ,L2 loss和smooth L1 loss 引自：https://cloud.tencent.com/developer/article/1441560 https://blog.csdn.net/qq_26598445/a
阅读全文
浙公网安备 33010602011771号