<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[portfloat的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/portfloat</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; portfloat]]></copyright><item><title><![CDATA[【成长笔记】如何评价模型]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79399771</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79399771</guid><author>portfloat</author><pubDate>Wed, 28 Feb 2018 14:05:44 +0800</pubDate><description><![CDATA[在前文中，我们知道了什么是过拟合，什么是欠拟合。我们之前讨论出的结果都是没有经过检验，默认其是一个比较不错的模型的。但是在真正的现实生活中，我们可能会训练出一个恰到好处的模型吗？以前文中经常提到的房价预测为例，假设我们训练出一个房价预测模型，结果我们发现它用来预测的结果非常糟糕。也就是说我们训练的模型不好，那么，如何去将模型变得更好呢？怎样才是好呢？我们需要有可以评价模型的方法。这样的话，我们可以...]]></description><category></category></item><item><title><![CDATA[【成长笔记】反向传播算法]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79399747</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79399747</guid><author>portfloat</author><pubDate>Wed, 28 Feb 2018 14:03:20 +0800</pubDate><description><![CDATA[上一篇文章中讲到了神经网络，通俗地说，就是一堆源数据X（第一层），经过一个空间的线性变换后，再被激活函数处理这个变换，变身成为隐层（下一层），然后得到的新的数据作为这一层的输出，重复上一层的方法，又得到下一层，就像神经一个节点一个节点传播信息一样，数据一层一层地变换，到最后一层输出时，再进行分类得到结果。下面这张图更加直观，当然这个只是四层：而像以上的过程，我们称之为正向传播。那么，我们可能会思考...]]></description><category></category></item><item><title><![CDATA[【成长笔记】神经网络]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79222078</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79222078</guid><author>portfloat</author><pubDate>Wed, 31 Jan 2018 21:05:38 +0800</pubDate><description><![CDATA[终于遇到了“神经网络”这尊大神了，瑟瑟发抖，瑟瑟发抖……
老早就听说了神经网络的大名了，听说有深度神经网络，反向传播神经网络，卷积神经网络等等。这些神经网络之间的关系究竟是什么呢？哈哈，以后告诉你们，因为目前我也只是一知半解。
ng在第四周的课程上，为我们启蒙了神经网络——Neural Network。神经网络的历史老悠久了，可能是因为它需要的计算资源过于强大，以上世纪的计算机计算水平难以实现]]></description><category></category></item><item><title><![CDATA[【成长笔记】逻辑回归与正则化]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79200695</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79200695</guid><author>portfloat</author><pubDate>Mon, 29 Jan 2018 22:32:21 +0800</pubDate><description><![CDATA[ng的第三周课程讲的内容十分丰富，可花了我不少时间来消化。嗯，开局先抛出一个问题哈，譬如，如何根据已有的邮件数据（贴上了垃圾邮件与非垃圾邮件的标记），来判断未来的一封邮件是否是垃圾邮件呢？ 
以上的问题本质上是一个分类问题，而且是一个二元分类，通俗讲就是非此即彼。假设我们标记垃圾邮件为0，标记非垃圾邮件为1，邮件的一些特征我们也进行数值化，利用我们之前了解的特征缩放等将数据整理。那么，我们需要的]]></description><category></category></item><item><title><![CDATA[【成长笔记】Linear Regression with Multiple Variables]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79144230</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79144230</guid><author>portfloat</author><pubDate>Tue, 23 Jan 2018 20:30:49 +0800</pubDate><description><![CDATA[上一篇文章中，我们对房子的价格预测进行了一个很理想化的处理，我们给他的假设是，房子价格只受房子大小影响。然而现实生活中，真的会这么理想化吗？答案当然是，不可能的啦哈哈。房子的价格还受很多其他因素的影响，比如房子的楼层，房子所处地的交通状况，房子是否向阳等等因素。我们可以对这些因素进行量化处理，譬如打分的形式等等。那么这些影响房子价格的因素就都可以转换为数学的形式了。那么，我们是不是可以找出这些影响]]></description><category></category></item><item><title><![CDATA[【成长笔记】Linear Regression（线性回归）]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79101156</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79101156</guid><author>portfloat</author><pubDate>Thu, 18 Jan 2018 21:46:09 +0800</pubDate><description><![CDATA[在学习的过程中，越来越发觉，系统性地学习与整理很重要。网络上的资源非常丰富，之前一直是以博客，百度谷歌，书籍等方式来自学，可能是因为个人觉得如视频学习的方式太过于耗时以及潜意识中对于授课者的讲课的不信任，所以一直没有尝试过视频类学习。近期再重新回顾之前所学，发现所学终究太过于分散，知识碎片化严重，在尝试系统性地整理过程中，个人能力不及难以串联。想着牛顿说过：我是站在巨人的肩膀上。突然醒悟，或许我也]]></description><category></category></item><item><title><![CDATA[【成长笔记】图片验证码识别]]></title><link>https://blog.youkuaiyun.com/portfloat/article/details/79007105</link><guid>https://blog.youkuaiyun.com/portfloat/article/details/79007105</guid><author>portfloat</author><pubDate>Mon, 08 Jan 2018 20:52:44 +0800</pubDate><description><![CDATA[记得很早以前，我对如携程飞猪等第三方平台购买火车票不用输入验证码感到很……牛！百度后发现其可能是实现了自动打码，或者说机器自动识别验证码，我很好奇。
后来，当我觉得我必须要给自己找些有趣的知识来学习的时候，脑海里萌生了去实现一个简单的验证码识别程序的想法。在一切未知以前，我觉得很难，甚至望而却步。但，真正一点点地行动下来，我发现，其实慢慢深入后，无论多么困难的问题，都能一点点解决。
不要着急，]]></description><category></category></item></channel></rss>