IT_NEU_Lee的博客

最近正在看数据流算法  里面用到损失函数  竟然还有各种不同类型的损失函数   上网一查还真有然后觉得这篇写的不错  记下来作为自己的记录  以后方便查看 https://blog.youkuaiyun.com/u010976453/article/details/78488279以上链接仅作为学习用途             如有侵权还是什么的  请及时联系...

以前总是不了解什么是正则化   今天看书 算是有点体会  根据阿卡姆剃刀原理，如果一件事情有两种解释，那么相对简单的那个解释更可能是正确的解释，即假设更少的那个。这个原理用在神经网络中，给定一些训练数据和一种网络架构，很多组权重值（即很多种模型）都可以解释这些数据，简单的模型比复的模型更不容易过拟合。 这里简单模型指的是参数值分布的熵更小的模型，或者参数更少的模型。如果强制让模型权...

文本可以理解为单词序列或字符序列      处理序列数据大的两种深度学习算法 1 循环神经网络  （recurrent neural network）2 一维卷积神经网络算法的应用：神经网络不接受原始文本，和接受处理的数值张量，即文本向量化：1 文本分割为单词  2 文本分割为字符 3 提取单词或者字符的n-gram（多个连续的单词或字符的集合）,然后将每个n-gram转换为一个向...

密集连接层（精度97.8%）------>卷积神经网络（99.3%）   两者的区别在于：Dense层从特征空间学到的是全局模式，而卷积层学到时是局部模式1 卷积神经网络学到的模式具有平移不变性（视觉世界根本上来说就具有平移不变性），即在图像右下角学到某个模式后可以在任何地方识别这个模式。对于密集连接网络来说如果出现在新的位置，它只能重新学习这个模式。2 卷积神经网络可以学到模式...

在训练与测试一个模型时，我们通常使用三个数据集，即训练集、开发集、测试集。模型对应这三个数据集有三个误差，训练集误差、开发集误差、与测试集误差，另外还有一个人类梳理这类问题的误差值—人类水平误差。基于此的著名的偏差-方差权衡理论是指导我们调参的准则：人类误差与训练集误差之间的差距称为可避免的偏差，这部分误差可以通过进一步学习及模型调优来避免。而训练集和开发集之间的差距称为方差，它是训练集与开发...

在看论文的时候发现有的人工合成数据集合并没有提供出来 并且不知道如何用工具构造自己的数据集,于是就手动用Python自己实现一个数据集 其中共有263个数据 二维数组构成 便于二维平面画图 其中 异常数据13个 正常数据250个但正常数据又分为3个聚集的堆 第一个堆70 个 第二个 和第三个都是90个import numpy as nparray1...

https://blog.youkuaiyun.com/starter_____/article/details/79215684

文本主题模型之：LDA：        https://www.cnblogs.com/pinard/p/6831308.html

https://blog.youkuaiyun.com/qq_35664774/article/details/79448076

1定义问题，收集数据2选择衡量成功的指标   精度？召回率？3确定评估方法（留出验证集，K折，重复K折）4准备数据（数据处理，特征工程）5开发比基准更好而模型6扩大模型规模：开发过拟合的模型（理想的模型是刚好在欠拟合和过拟合的边界上，为了找到这个边界，你必须穿过它----添加更多的层，让每一层变得更大，训练更多的轮次都可以加速过拟合）7模型正则化与调节超参数 ...