m0_37683606的博客

深度学习中如何进行超参数的调节什么是超参数如何设置超参数什么是超参数在深度学习以及机器学习中，在我们训练模型之前，有些东西是机器无法通过数据学习得来的，需要我们提前去设置好，这就是超参数。超参数的设定将直接影响了模型的训练过程以及最终的性能效果。一下是我百度的超参数的定义：在机器学习的上下文中，超参数是在开始学习过程之前设置值的参数，而不是通过训练得到的参数数据。通常情况下，需要对超参数进行优化，给学习机选择一组最优超参数，以提高学习的性能和效果。那么应该如何去设置超参数呢？如何设置超参数

一文搞定k-近邻算法一. k-邻近算法的基本概念二. k-邻近算法中k的选取以及特征归一化的重要性一. k-邻近算法的基本概念k-邻近算法是一种基本的分类和回归方法。本章只讨论k-邻近算法在分类问题中的应用。k-邻近算法，即给定一个训练集，对新输入的实例，在训练数据集中找到与该实例最邻近的k个实例，然在这k个实例中，看看那个类别包含的实例比较多，则这个测试集就属于哪一个类别。如上图所示，有两类不同的样本数据，分别用蓝色的小正方形和红色的三角形来表示。当确定一个k后，也就是确定一个距离，在这个距离范

机器学习、监督学习、非监督学习、强化学习、深度学习、迁移学习机器学习（machine learning）监督学习（supervised learning）非监督学习（unsupervised learning）强化学习（reinforcement learning）传统的机器学习深度学习 （deep learning）迁移学习 （transfer learning）机器学习（machine learning）机器学习的主要任务：分类（classification）：将实例数据划分到合适的类别中。回

监督学习与非监督学习之间的区别深度学习中会遇到常见的两个问题，一个是分类，一个是回归。如果我们想要预测的值是一个离散的值，比如说物体识别，识别一个物体是猫还是狗，预测一张图片是美还是丑，还有手写数字辨识，这些都是分类的问题。但是如果我们想要预测的是一个连续的数值，比如说给一张图片进行评分，这就是回归问题。有的时候我们还会对一些数据做聚类，就是我们可以通过某些聚类算法将某些相同类别的数据聚合在一起，形成一个簇，而这些自动生成的簇可能会存在一些潜在的相同特征，比如说这个簇里面的所有数据都指向 “猫” 的特