<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[kk25885的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/kk25885</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; kk25885]]></copyright><item><title><![CDATA[机器学习 面试常见问题&答案 ②]]></title><link>https://blog.youkuaiyun.com/kk25885/article/details/86262454</link><guid>https://blog.youkuaiyun.com/kk25885/article/details/86262454</guid><author>kk25885</author><pubDate>Thu, 10 Jan 2019 23:09:04 +0800</pubDate><description><![CDATA[

欠拟合（通常代表高偏差）

精度

如前所述如果模型具有足够的数据，但因不够复杂而无法捕捉基本关系，则会出现偏差。这样一来，模型一直会系统地错误表示数据，从而导致预测精度低。这种现象叫做欠拟合（underfitting）。
简单来说，如果模型不适当，就会出现偏差。举个例子：如果对象是按颜色和形状分类的，但模型只能按颜色来区分对象和将对象分类（模型过度简化），因而一直会错误地分类对象。
或者，我...]]></description><category></category></item><item><title><![CDATA[机器学习 面试常见问题&答案  ①]]></title><link>https://blog.youkuaiyun.com/kk25885/article/details/86104024</link><guid>https://blog.youkuaiyun.com/kk25885/article/details/86104024</guid><author>kk25885</author><pubDate>Tue, 08 Jan 2019 22:33:35 +0800</pubDate><description><![CDATA[

给定卷积神经网络输入，卷积核大小，padding，步长，求输出的shape？



各个激活函数的优缺点


Sigmod




优点


输出值0-1（很重大的优点）


其余的和其他众多激活函数比起来，感觉没有什么优点，方便入门理解




缺点


容易梯度消失


x的可变值区域太小，极其容易陷入级值的状况（-0.9~0.9）


指数exp计算复杂








Tanh



...]]></description><category></category></item></channel></rss>