神经网络索引帖
#refplus, #refplus li{
padding:0;
margin:0;
list-style:none;
}；
document.querySelectorAll(".refplus-num").forEach((ref) => {
let refid = ref.firstChild.href.replace(location.origin+location.pathname,'');
let refel = document.querySelector(refid);
let refnum = refel.dataset.num;
let ref_content = refel.innerText.replace(`[${refnum}]`,'');
tippy(ref, {
content: ref_content,
...
机器学习方法分类
机器学习方法分类
〖摘要〗
〖原文〗改编自Lori
1 总览
在机器学习领域，学习任务根据数据样本情况，可大致划分为三类：有监督学习、无监督学习、弱监督学习和强化学习。
2 有监督学习和无监督学习
两者都需要从包含大量训练样本的训练数据集中学习预测模型，每个训练样本对应于事件/对象。如下图所示。
（1）有监督学习
监督学习的训练数据由两部分组成：
描述事件/对象的特征向量（x），以及 groud-truth 的标签（y）。
监督学习典型面向两类任务（见下图）。
**分类任务：**标签对应于训练样本属于哪一类（离散值）。
对于分类问题来说，x 是一些西瓜，y 是属于的类别，好的西瓜或者坏的西瓜。现在我们已经知道每一个西瓜是好的或坏的，如果我们有一个新的西瓜，我们需要根据之前的经验判断它是好的或者坏的。
分类需要先找到数据样本点中的分界线，再根据分界线对新数据进行分类，分类数据是离散的值，比如图片识别、情感分析等领域会经常用到分类任务。
**回归任务：**标签对应于该示例的真实值响应（连续纸）。
对于回归问题来说，x 是西瓜，y 是真实值响应。 ...
深度神经网络的优化技巧
深度神经网络的优化技巧
引起：剑启郁兰 2019-08-05 21:36:30
1、 深度神经网络主要要素结构
2、神经网络优化技巧框图
3、数据预处理部分
4、权重初始化部分
5、批量归一化部分
6、优化方法部分
7、激活函数部分
8、正则化和超参设置部分
#refplus, #refplus li{
padding:0;
margin:0;
list-style:none;
}；
document.querySelectorAll(".refplus-num").forEach((ref) => {
let refid = ref.firstChild.href.replace(location.origin+location.pathname,'');
let refel = document.querySelector(refid);
let refnum = refel.dat ...