机器学习中形式简单却巧妙的idea，看完让人拍案叫绝！！你一定能用得上！！

今天给大家分享机器学习中的几大神仙方法！

第一种、各种重建，先把输入corrupt一下，然后用autoencoder重建一下，基本都能让feature更robust，何恺明的MAE也是如此。

第二种、对比学习大神器，核心就看如何构造正样本和负样本。有个惊艳的idea，同一个输入foward两次，因为dropout不同，就可以当正样本，也是无脑涨点。

说到涨点，这里给大家分享这包含整整22个即插即用模块的手册，对于只想水篇论文毕业的同学来说，简直轻松又实用，包含注意力机制、卷积变体等等，彻底把你从想创新点、改模型改代码的噩梦中解救出去！所有模块的论文PDF和代码都打包好了，可以分享给大家↓↓↓

章中所有的数据和资料，可添加小助手无偿分享~
扫码添加小助手即可无偿获取~

也可以关注“AI技术星球”公众号，关注后回复“221C”获取。

第三种、各种dropout，是个地方都可以试着加点dropout，embedding可以加dropout，attention可以加，ffn可以加，mlp可以加，输入上也可以直接加，相当于某种corrupt。

第四种、mixup，也是个神级idea。输入上a类+b类混合一下，然后label也变成a+b混合，基本上也是无脑增强，必定涨点。

这是它的优点：

• 提高泛化能力：通过合成新样本，模型可以学习到更加泛化的特征表示。

• 减少过拟合：平滑的决策边界有助于减少模型对训练数据的过度拟合。

• 增强模型的鲁棒性：Mixup能够使模型对输入数据的微小变化更加不敏感。

1. 混合比例λ是一个在0到1之间的标量，它决定了合成样本中每个原始样本的相对贡献。

章中所有的数据和资料，可添加小助手无偿分享~
扫码添加小助手即可无偿获取~

也可以关注“AI技术星球”公众号，关注后回复“221C”获取。