机器学习与深度学习
关注
分享
扫一扫
机器学习与深度学习，machine learning，deep learning
别说话写代码
这个作者很懒，什么都没留下…
展开
专栏收录文章
- 默认排序
- 最新发布
- 最早发布
- 最多阅读
- 最少阅读
-
机器学习面试题面经
KNN：特点是完全跟着数据走，没有数学模型可言。适用：需要一个容易解释的模型的时候，比如需要向用户解释原因的推荐算法。 感知机 贝叶斯：核心是根据条件概率计算待判断点的类型。适用：易解释，而且不同维度之间相关性较小的模型。可以处理高维数据，虽然效果一般。 逻辑回归 决策树：适用：它能生成清晰的基于特征选择不同预测结果的树状结构，数据分析师希望更好的理解手...原创 2020-05-05 23:55:33 · 8382 阅读 · 0 评论 -
感受野大小计算、卷积参数量与计算量、空洞卷积计算量与参数量
感受野大小计算这是 自顶向下方法，也就是从后面向前面计算，初始rf=1比如conv1(f=3x3,s=2), conv2(f=3x3,s=2), conv3(f=3x3,s=1),从后向前最后一层每个点rf=1，(1-1)x1+3=3,也就是最后一层结束每个点的感受野是3倒数第二层 , (3-1)x2+3=7,最后一个点映射到第二层是7的感受野底数第三层，(7-1...原创 2020-05-05 23:39:49 · 5706 阅读 · 5 评论 -
深度学习基础（面经），卷积神经网络基础（面经）
本文内容参考魏秀参《解析卷积神经网络》手写卷积池化代码池化层的反向传播cnn的反向传播 1卷积神经网络基本操作 2卷积神经网络的压缩 3数据扩充 4数据预处理 5网络参数初始化 6激活函数 7目标函数 8网络正则化 9超参数设定和网络训练 10不平衡样本的处理 11模...原创 2020-04-22 22:11:50 · 16017 阅读 · 1 评论