多一点

摘要： Postgresql 窗口函数的使用方法 导入数据库连接 python版本 3.8 数据库软件postgresql 版本12.0 ipython-sql 版本 4.0 目的 在jupyter notebook 界面使用数据库，实现数据中的窗口函数演示 # import sqlalchemy # # 阅读全文

摘要： 卡方检验 卡方检验的核心思想 卡方值的计算与意义 卡方检验的样本量要求 适用于四格表应用条件 R×C表卡方检验应用条件 卡方检验最常见的用途 卡方检验步骤 卡方检验 卡方检验是一种用途很广的计数资料的假设检验方法。 它属于非参数检验的范畴，主要是比较两个及两个以上样本率( 构成比）以及两个分类变量的 阅读全文

摘要： <! TOC "模型的构造" "通过Module类来构造模型" "Module的子类" "Sequential类" "ModuleList 类" "ModuleDict类" "构造复杂的模型" "小结" <! /TOC 模型的构造 回顾之前的3.10章节中的多层感知机的简洁实现中，含但隐藏层的多层感 阅读全文

摘要： <! TOC "kaggle竞赛" "获取和读取数据集" "数据预处理" "找出所有数值型的特征，然后标准化" "处理离散值特征" "转化为DNArray后续训练" "训练模型" "k折交叉验证" "预测样本，并提交结果" <! /TOC kaggle竞赛 本节将动手操作实践一个kaggle比赛，房 阅读全文

摘要： <! TOC "衰减和爆炸" "随机初始化模型参数" "pytorch的默认随机初始化" "Xavier随机初始化" "小结" <! /TOC 深度学习的数值稳定性问题以及模型参数的初始化方法。 深度学习有关数值稳定性的典型问题是衰减(vanishing) 和爆照(explosion) 衰减和爆炸 阅读全文

摘要： <! TOC "正向传播" "反向传播" "训练深度学习模型" "小结" <! /TOC 前几节里面我们使用了小批量随机梯度下降的优化算法来训练模型。在实现中，我们只提供了模型的正向传播的(forward propagation)计算，即对于输入计算模型输出，然后通过autograd模块来调用系统自 阅读全文

摘要： <! TOC "方法" "从零开始实现" "定义模型参数" "网络" "评估函数" "优化方法" "定义损失函数" "数据提取与训练评估" "pytorch简洁实现" "小结" <! /TOC 针对深度学习中的过拟合问题，通常使用丢弃法(dropout),丢弃法有很多的变体，本文提高的丢弃法特指倒置 阅读全文

摘要： 1、过拟合问题 欠拟合：根本原因是特征维度过少，模型过于简单，导致拟合的函数无法满足训练集，误差较大； 解决方法：增加特征维度，增加训练数据； 过拟合：根本原因是特征维度过多，模型假设过于复杂，参数过多，训练数据过少，噪声过多，导致拟合的函数完美的预测训练集，但对新数据的测试集预测结果差。 过度的拟 阅读全文

摘要： <! TOC "权重衰减" "高维线性回归实验" "从零开始实现" "初始化模型参数" "定义L2范数惩罚项" "定义训练和测试" "使用权重衰减" "pytorch简洁实现" "小结" <! /TOC 上一节中提提到的过拟合现象，在模型的训练误差远小于测试集上的误差。虽然增大训练接数据集可以减轻过 阅读全文

摘要： "模型选择、欠拟合和过拟合" "训练误差和泛化误差" "模型选择" "K折交叉验证" "欠拟合和过拟合" "模型复杂度" "训练数据集大小" "多项式函数拟合实验" "定义、训练和测试模型" "欠拟合" "过拟合" "小结" 模型选择、欠拟合和过拟合 前几节给予Fashion_MNIST数据集的实验 阅读全文